Was Ihrem KI-Agenten fehlt, bevor er echte Arbeit übernimmt

Sie haben einem KI-Agenten eine echte Aufgabe gegeben. Keinen Chat, eine Aufgabe. Etwa: Schreib für jeden unserer Kunden den Quartalsbericht zur Vertragsverlängerung.

Die Antwort kam schnell, und sie war sauber formuliert. Ein selbstsicherer Bericht zu einem Kunden, der eine reibungslose Verlängerung zum aktuellen Tarif empfiehlt.

Nur stimmte daran nichts. Die vergangene Woche hatte das Team zwei Tage in einem Chat-Verlauf darüber verbracht, dass genau dieser Kunde mit Kündigung droht. Das Support-Dashboard war eine Wand aus Rot.

Der Bericht erwähnte davon kein Wort. Weil der Agent nichts davon gesehen hat. Er schrieb den einzigen Bericht, den er aus dem Wenigen schreiben konnte, das er erreichen durfte: plausibel, flüssig und exakt falsch.

Die übliche Reaktion darauf ist, das Modell für zu dumm zu halten und auf das nächste zu warten. Nach unserer Erfahrung ist das fast immer die falsche Diagnose.

Das Problem ist selten das Modell. Das Problem ist, dass die KI nichts über das Unternehmen weiß und an die Hälfte ihrer Arbeit nicht herankommt.

Das Modell hat nicht versagt. Wir haben versagt, indem wir es um eine Arbeit gebeten haben und es gleichzeitig von allem abgeschnitten haben, wovon diese Arbeit abhängt.

Ihr Agent ist nicht dumm, er hat die Augen verbunden

Wenn Sie diesen Verlängerungsbericht selbst schreiben, lesen Sie nicht nur den CRM-Eintrag. Sie erinnern sich halb an den Chat-Verlauf. Sie werfen einen Blick aufs Dashboard. Sie wissen, dass das Produkt im zweiten Quartal umbenannt wurde.

Das meiste, was Ihr Urteil gut macht, steht nicht in dem einen Dokument, auf das der Agent gerichtet ist. Es liegt verstreut über die Werkzeuge, zwischen denen Sie den ganzen Tag wechseln. Und das meiste davon ist das Warum, nicht das Was.

Ein Agent, der auf eine einzige Quelle gerichtet ist, tut das Gleiche wie jemand, der diesen Bericht schreibt, nachdem er ein einziges CRM-Feld gelesen hat und sonst nichts. Er scheitert nicht am Denken. Er denkt korrekt über viel zu wenig nach.

Damit verschiebt sich die ganze Frage. Sie lautet nicht mehr: Ist das Modell gut genug? Sie lautet: Habe ich ihm gegeben, was ich selbst bräuchte?

Die Antwort hat drei Teile. Zugang, Wissen und Feedback-Schleifen. Ein guter Agent, der schwach abliefert, ist meist nicht unterversorgt mit Rechenleistung. Er ist unterversorgt mit Verbindungen.

Zugang: dort, wo die Arbeit und das Warum wirklich liegen

Wenn ein Agent immer wieder die falsche Richtung wählt, liest man das schnell als Denkfehler. Häufiger steckt in Ihrem Kopf ein Stück Kontext, das der Agent schlicht nicht erreichen kann. Geben Sie ihm diese Reichweite, deckt sich sein Ergebnis meist mit Ihrem Denken.

Der erste Schritt ist also selten ein besserer Prompt. Es ist eine Verbindung. Vier, fünf Orte halten das meiste von dem, was einem Agenten fehlt:

• Der Team-Chat. Hier fallen die Entscheidungen. Die ganze Begründung für "diesen Kunden behandeln wir dieses Quartal anders" steht in einem Verlauf, nicht in einem Dokument.
• Systeme und Dashboards. CRM, Ticketsystem, Live-Kennzahlen. Wenn ein Kunde kippt, steht das Signal hier, lange bevor es in einem Dokument auftaucht.
• Dokumente, Handbücher und Protokolle. Das geschriebene Wie und Warum, einschließlich des Meetings von vorhin.
• Die Vorgeschichte. Wie der aktuelle Stand zustande kam: geschlossene Tickets, frühere Berichte, vergangene Verlängerungen.
• Andere Agenten. Was ein Agent bereits ausgearbeitet hat, sollte der nächste nicht von vorn erfinden müssen.

Eine nützliche Gewohnheit aus unserer eigenen Arbeit: Direkt nach einem Meeting reichen wir die Notizen an den Agenten weiter und fragen, was er davon schon abräumen kann. Festgehaltene Entscheidungen werden so zu Arbeit, die der Agent aufnimmt.

Der Alt-Tab-Test

Hier ist eine Probe, die Sie diese Woche machen können. Arbeiten Sie einen normalen Tag. Jedes Mal, wenn Sie mit Alt-Tab vom Agenten wegspringen, um in den Chat zu schauen, das CRM zu öffnen oder etwas aus einem Dokument zu kopieren, notieren Sie es.

Jeder dieser Sprünge ist ein Stück Kontext, das der Agent nicht hat.

Am Ende des Tages haben Sie eine Liste. Diese Liste ist Ihr Zugangs-Rückstand, schon nach Priorität sortiert, abgeleitet aus Ihrer echten Arbeit statt geraten. Verbinden Sie die obersten Punkte zuerst.

Fast alle sind überrascht, wie lang die Liste ist. Der Abstand zwischen dem, wonach Sie greifen, und dem, was Ihr Agent erreichen kann, ist von innen schwer zu sehen. Genau deshalb fühlen sich Agenten ständig wie "fast da" an und kommen nie an.

Zugang heißt begrenzt, nicht grenzenlos

"Gib ihm Zugang zu allem" ist der richtige Instinkt und die falsche Umsetzung. Ein Agent, der Ihre Wirklichkeit erreicht, erreicht auch Dinge, die ihn nichts angehen. Und je mehr er handeln kann, desto mehr zählt das.

Zugang gehört begrenzt: Der Agent erreicht, was die Aufgabe braucht, und nicht den Rest. Er gehört mit Rechten versehen: Die Verbindungen, über die er handeln darf, sind ausdrücklich vergeben, nicht aus Ihren eigenen Logins geerbt.

Und alles, was in der echten Welt etwas auslöst, also die Mail verschickt, den Datensatz ändert, die Nachricht postet, bleibt hinter einer menschlichen Freigabe, bis Sie genug Vertrauen aufgebaut haben, um sie zu lockern.

Was diese Karte wirklich braucht, ist die Frage davor: Was soll dieser Agent erreichen, und was darf er nie berühren? Diese Antwort gibt man besser vorher, auf der eigenen Infrastruktur, als hinterher.

Das ist der Unterschied zwischen einer schicken Demo und etwas, das Sie gegen echte Kundendaten laufen lassen würden. Und es ist der Teil, der sich schlecht nachrüsten lässt.

Wissen: was man nicht antrainieren, nur einspeisen kann

Die zweite Säule versuchen die meisten auf die teure Art zu lösen. Ihr Unternehmen hat Dinge, die schlicht wahr sind und in keinem allgemeinen Modell stehen: Ihre Konventionen, Ihre internen Namen für Dinge, die Tatsache, dass die Produktlinie letztes Quartal umbenannt wurde.

In unserem Verlängerungsbericht ist genau das der Grund, warum der Agent einen abgeschafften Tarif und den alten Produktnamen verwendet hat. Nichts, was er lesen konnte, hat ihm gesagt, was sich geändert hat.

Der Reflex lautet: "Trainiert das Modell auf unsere Daten." Für diese Art von Wissen ist das meist das falsche Werkzeug. Ein Modell auf eng zugeschnittene Spezialinfos zu trimmen, eignet sich schlecht für Fakten, die sich von Woche zu Woche ändern, und kann es eher dazu bringen, Dinge zu erfinden.

Es ist außerdem ein bewegliches Ziel. Die allgemeinen Modelle werden unter Ihnen immer besser, schneller als die meisten Firmen nachjustieren können. Spezialaufwand wird von der nächsten allgemeinen Version überholt.

Der Hebel, der wirkt, ist das Einspeisen zum richtigen Zeitpunkt. In der Praxis ist das weniger exotisch, als es klingt: gut sortierter Text, den der Agent bei Bedarf zieht. Eine kurze Notiz zu Ihren Konventionen, eine Datei mit aktuellen Produktnamen und Tarifen, eine Beschreibung, wie Ihre Verlängerungsstufen tatsächlich funktionieren.

Bei uns hat dieses Wissen einen Namen: das BrandOS. Es ist alles, was eine KI über Ihr Unternehmen wissen muss, versioniert wie Code. Das Angebot, die Sprache, die Regeln, die Quellen. Dazu dokumentierte Arbeitsroutinen und Leitplanken, die festlegen, was die KI darf und was nicht.

Der Mechanismus ist banal, die Disziplin ist es nicht. Eine Falle gilt es zu meiden: Mehr ist nicht besser. Sie können nicht das ganze Wiki hineinkippen und hoffen.

Vor dem Modell ist nur begrenzt Platz. Füllt man ihn mit allem, bleibt kein Raum mehr zum Arbeiten. Den Agenten gut zu versorgen heißt, die passende Scheibe zu wählen, nicht die größte. Zu entscheiden, was weggelassen wird, ist die eigentliche Ingenieursarbeit.

Feedback-Schleifen: die rote Wellenlinie, die Sie ihm nie gegeben haben

Die dritte Säule überspringen Teams meist ganz, dabei ist sie oft der günstigste Gewinn. Denken Sie an die rote Wellenlinie, die erscheint, wenn Sie sich vertippen. Sie hält Sie nicht auf. Sie stupst: Schau das nochmal an. Und Sie korrigieren oder machen weiter.

Dieses kleine, ignorierbare, dauernd präsente Feedback hält den Großteil menschlicher Arbeit auf Kurs. Ihr Agent hat davon von Haus aus fast nichts.

Er handelt, und das erste Mal, dass jemand prüft, ist, wenn ein Mensch das Ergebnis liest. Oft zu spät. Die Lösung: Geben Sie dem Agenten seine eigene rote Wellenlinie. Leichte Prüfungen, die automatisch laufen, nachdem er etwas getan hat, und einen Hinweis zurückgeben.

Für den Verlängerungsbericht: eine Prüfung, die einen Verweis auf einen längst abgemeldeten Kunden anzeigt, oder einen Produktnamen, der nicht mehr auf der Liste steht. Keine Mauer, ein Hinweis, auf den der Agent reagieren kann.

Dabei lohnt eine Unterscheidung zwischen zwei Arten von Werkzeugen:

• Werkzeuge, die fehlende Intelligenz ausgleichen, zwingen den Agenten auf einen starren Pfad, "damit er keinen Fehler machen kann". Sie verhindern manche Fehler und deckeln zugleich, wie gut der Agent je werden kann. Mit besseren Modellen altern sie schlecht.
• Werkzeuge, die mit der Intelligenz mitwachsen, informieren statt zu beschränken. Die rote Wellenlinie ist eine davon. Wird das Modell besser, wird dasselbe Werkzeug nützlicher, nicht überflüssiger. Diese bauen Sie.

Das Beruhigende: Die Rohstoffe besitzen Sie fast sicher schon. Die Prüfungen, die Sie gebaut haben, damit Menschen nicht das Falsche herausschicken, sind genau das, was ein Agent braucht. Sie erfinden kein Prüfsystem. Sie verkabeln das, das es längst gibt.

Der schnellste Weg, einen Agenten besser zu machen, ist nicht ein klügeres Modell. Es ist eine engere Feedback-Schleife. Und die wertvollste von allen ist die menschliche Freigabe bei allem, was handelt.

Die drei Säulen an einem Kunden, Schritt für Schritt

Setzen Sie die drei Säulen am Agenten zusammen, mit dem wir begonnen haben. Gleiches Modell durchgehend. Wir ändern nur, was er erreichen, was er wissen und was ihn prüfen kann.

• Stufe 0, mit verbundenen Augen. Nur auf den CRM-Eintrag gerichtet, schreibt er einen glänzenden Bericht zum aktuellen Tarif. Flüssig, sicher, in jedem wichtigen Punkt falsch.
• Stufe 1, Zugang dazu. Wir verbinden ihn, begrenzt und nur lesend, mit dem Kunden-Chat und dem Support-Dashboard. Jetzt sieht er den Kündigungs-Verlauf und die rote Ticketwand. Der Bericht stellt das Risiko nach vorn.
• Stufe 2, Wissen dazu. Wir geben ihm aus dem BrandOS aktuelle Produktnamen, gültige Tarife und die Definition unserer Verlängerungsstufen. Der alte Name und der abgeschaffte Tarif verschwinden.
• Stufe 3, eine Prüfung dazu. Eine leichte Kontrolle nach dem Entwurf sucht nach abgemeldeten Kunden und eingestellten Produkten und fängt den toten Verweis ab, bevor ein Mensch ihn liest.
• Stufe 4, die Freigabe bleibt. Der fertige Bericht geht nicht automatisch raus. Er landet zur Abzeichnung beim Kundenverantwortlichen. Der Agent hat gesammelt und den ersten Entwurf geschrieben, der Mensch behält die Entscheidung.

Wir haben das Modell nie angefasst. Wir haben einem fähigen Agenten den Zugang, das Wissen und das Feedback gegeben, die ein guter Kollege hätte, und die letzte Entscheidung beim Menschen gelassen.

Wo es von hier aus weitergeht

Das meiste, was hier beschrieben ist, ist im Kern kein KI-Problem. Es ist eine Frage der Verortung: Wo liegt die Arbeit und das Warum, was soll dieser Agent erreichen, was darf er nie berühren? Danach kommt die Disziplin, das richtige Wissen einzuspeisen und die richtigen Prüfungen zu verkabeln.

Das ist der Teil, der sich schlecht nachrüsten lässt, wenn ein Agent erst einmal im Unternehmen los ist. KI fürs Urteil, Code fürs Handeln, ein Mensch an der Freigabe.

Nicht jede Aufgabe braucht dabei einen Agenten. Eine Regel kostet nichts, irrt nie und läuft in zehn Jahren noch. Erst wenn Regel, einfacher Code und Automatisierung nicht reichen, lohnt sich ein Agent. Eine grobe Faustregel: Ein Agent passt, wenn Sie den Ablauf einem neuen Mitarbeiter in einer Stunde erklären könnten.

Wenn Sie an dem Punkt sind, das für Ihr Haus sauber aufzusetzen, ist die [AI Readiness](/readiness) das Fundament. Wir kartieren, wo Ihre Arbeit und Ihre Entscheidungen liegen, was jeder Agent erreichen soll und was nicht, und legen das Rohgerüst Ihres BrandOS an.

Wenn Sie lieber einen fertigen Agenten abonnieren wollen, statt selbst zu verkabeln, sind die [Managed KI-Mitarbeiter](/agenten) der Weg. Was wir betreiben, das warten wir auch.

Wer es selbst lernen will, an der eigenen Arbeit, ist in der [AI Academy](/academy) richtig. Und wenn es ein Agent auf Ihrer eigenen Infrastruktur sein soll, passgenau gebaut, gibt es die [Custom KI-Mitarbeiter](/ki-mitarbeiter).