Leistung · in der Regel 6–8 Wochen bis zum produktionsreifen Piloten
KI-Agenten für den Produktivbetrieb, nicht für die Demo.
Einen Agenten, der einmal funktioniert, kann jeder bauen. Wir entwerfen und entwickeln Single- und Multi-Agenten-Systeme, die jeden Tag funktionieren: mit Werkzeugzugriff auf Ihre Systeme, Gedächtnis, Planung, Evaluierungs-Suiten, Guardrails und Betrieb auf EU-Infrastruktur oder in Ihrer eigenen Cloud. Herstellerneutral – und so übergeben, dass Ihr Team damit arbeiten kann.
Wann ein individueller Agent die richtige Antwort ist
Assistenten von der Stange decken generische Aufgaben ab. Die Arbeit, die Ihr Unternehmen ausmacht, braucht einen Agenten, der Ihre Systeme, Ihre Regeln und Ihre Ausnahmen kennt.
Ein KI-Agent ist Software, die mit einem Sprachmodell ein Ziel verfolgt: Sie liest den Kontext, plant Schritte, ruft Werkzeuge wie Ihr ERP, CRM, Ihre Dokumentenablage oder Ihr Ticketsystem auf, prüft das Ergebnis und macht weiter, bis die Aufgabe erledigt ist oder ein Mensch entscheiden muss. Anders als ein Chatbot liefert er Ergebnisse, nicht nur Antworten.
Individuelle Entwicklung lohnt sich, wenn der Prozess spezifisch für Sie ist, wenn Daten Ihre Kontrolle nicht verlassen dürfen, wenn der eingebaute Agent einer Plattform die nötigen Systeme nicht erreicht oder wenn mehrere Agenten zusammenarbeiten müssen: einer recherchiert, einer entwirft, einer prüft. Wo ein Standardprodukt die Aufgabe erfüllt, sagen wir das – wie wir entscheiden, zeigt unser Leitfaden Build vs. Buy.
Alles, was wir bauen, kommt mit dem, was es betreibbar macht: Evaluierungs-Suiten, Observability, Berechtigungen, Fallbacks und Kostenkontrolle. Das ist der Unterschied zwischen Pilot und System – und der Grund, warum die meisten Agenten nie über den Piloten hinauskommen.
- FormatScoping, Architektur, Umsetzung, Evaluierung, Härtung, Übergabe
- DauerIn der Regel 6–8 Wochen bis zum produktionsreifen Piloten
- FürCTOs, CIOs, Digitalverantwortliche, Produktleitung, Gründer
- ErgebnisEin betriebener Agent mit Tests, Monitoring, Dokumentation und geschultem Team
Agententypen, die wir bauen
Die meisten Projekte beginnen mit einem dieser Typen. Multi-Agenten-Systeme kombinieren mehrere davon hinter einem Orchestrator.
Wissensagenten
Beantworten Fragen und bereiten Dokumente aus Ihrem internen Wissen vor, mit Quellenangaben und Rechteprüfung, und schlagen vor der Antwort in mehreren Systemen nach. Mehr zu unseren Wissensassistenten.
Workflow-Agenten
In einen Geschäftsprozess eingebettet: Sie erhalten einen Fall, sammeln Daten aus Ihren Systemen, wenden Ihre Regeln an, gehen den nächsten Schritt und eskalieren bei Unsicherheit. Das Rückgrat der agentischen Workflow-Automatisierung.
Kundenorientierte Agenten
Chat-, E-Mail- und Sprachagenten, die Anfragen, Bestellstatus, Retouren, Terminbuchung oder First-Level-Support in einem definierten Rahmen übernehmen, mit sauberer Übergabe an Ihr Team und vollständigen Protokollen. Mehr unter Kundenservice.
Coding-Agenten
Agenten in Ihrem Entwicklungsprozess: Issues triagieren, Code nach Ihren Standards schreiben und prüfen, Tests und Dokumentation erzeugen, Legacy-Code unter menschlicher Kontrolle migrieren. Mehr unter IT und Engineering.
Browser- und Computer-Use-Agenten
Agenten, die Anwendungen und Websites so bedienen, wie ein Mensch es täte – für Systeme ohne Schnittstelle: Lieferantenportale, Altsysteme, öffentliche Register. Sparsam eingesetzt, in einer Sandbox und mit strengen Berechtigungen.
Multi-Agenten-Systeme
Mehrere spezialisierte Agenten, koordiniert von einem Orchestrator: einer recherchiert, einer entwirft, einer prüft, mit klaren Übergaben und gemeinsamem Zustand. Sinnvoll, wo ein einzelner Agent zu groß zum Testen und zu unscharf zum Vertrauen würde.
Was produktionsreif für uns bedeutet
Evaluierungs-Suiten
Ein Testdatensatz aus echten Fällen mit erwarteten Ergebnissen, der bei jeder Änderung an Prompts, Modellen oder Werkzeugen läuft. Kein Release ohne bestandene Bewertung; Regressionen werden abgefangen, bevor Nutzer sie sehen.
Observability
Jeder Durchlauf wird nachvollziehbar aufgezeichnet: Eingaben, Zwischenschritte, Werkzeugaufrufe, Ausgaben, Latenz und Kosten – sichtbar für Ihr Team in Werkzeugen wie Langfuse oder Ihrem bestehenden Monitoring.
Berechtigungen und Fallbacks
Agenten handeln mit eigener Identität, minimalen Rechten und expliziten Freigabelisten für Aktionen. Ist ein Modell nicht erreichbar, fällt ein Werkzeug aus oder ist die Antwort unsicher, versucht der Agent es erneut, wechselt das Modell oder übergibt mit vollem Kontext an einen Menschen.
Kostenkontrolle
Budgets je Durchlauf und je Tag, Modellwahl nach Schwierigkeit der Aufgabe, Caching und Ratenlimits. Sie wissen, was ein Agent je Fall kostet, bevor er live geht.
Guardrails
Ein- und Ausgabeprüfungen gegen Prompt Injection, Datenabfluss und regelwidriges Verhalten, plus inhaltliche Regeln für Ihre Branche. Mehr in unserem Leitfaden zu Leitplanken für Agenten.
Vom Scoping bis zur Übergabe
Scoping
Wir beschreiben die Aufgabe des Agenten auf einer Seite: Ziel, Eingaben, Werkzeuge, erlaubte und verbotene Entscheidungen, Erfolgskennzahlen, Kontrollpunkte für Menschen. Ist der Rahmen unklar, prototypisieren wir zwei Tage, bevor wir uns festlegen.
Architektur und Modellwahl
Single- oder Multi-Agent, welches Framework, welche Modelle für welche Schritte, wo das Gedächtnis liegt, wie Werkzeuge bereitgestellt werden (APIs, Konnektoren, MCP-Server), wo das Ganze läuft. Schriftlich, damit IT und Sicherheit es prüfen können.
Umsetzung
Werkzeuge und MCP-Server für Ihre Systeme, die Agentenlogik, die Gedächtnisschicht, die Freigabeoberfläche. Wir arbeiten vom ersten Tag an in Ihrem Repository, damit nichts eine Blackbox ist.
Evaluierung und Härtung
Die Evaluierungs-Suite läuft gegen echte Fälle; wir justieren Prompts, Modellwahl und Werkzeuge, bis die Zahlen halten. Dann testen wir die unschönen Pfade: fehlerhafte Eingaben, ausgefallene Werkzeuge, Injection-Versuche, Kostenspitzen.
Kontrollierter Rollout
Der Agent geht für eine definierte Gruppe live, zunächst mit Prüfung jeder Aktion, dann mit Stichproben. Rückmeldungen fließen in den Evaluierungsdatensatz zurück.
Übergabe
Dokumentation, Runbook, Schulung für Ihre Entwickler und Betreiber und eine gemeinsame Entscheidung über den nächsten Schritt: Ausbau, ein zweiter Agent oder Managed AI Operations durch uns.
Frameworks, Plattformen und Modelle, mit denen wir arbeiten
Wir wählen je Projekt und bleiben herstellerneutral. Ein Produkt zu nennen bedeutet, dass wir damit bauen und es bewerten – nicht, dass wir Partner oder zertifiziert sind.
Häufige Fragen
Welches Framework empfehlen Sie?
Keines pauschal. LangGraph eignet sich für komplexe, zustandsbehaftete Abläufe mit strenger Kontrolle; CrewAI und das OpenAI Agents SDK bringen überschaubare Multi-Agenten-Aufbauten schnell zum Laufen; das Anthropic Claude Agent SDK ist stark bei werkzeugintensiver, lang laufender Arbeit; Copilot Studio, Agentforce, Vertex AI Agent Builder und Bedrock AgentCore sind sinnvoll, wenn Sie ohnehin auf dieser Plattform zu Hause sind. Wir entscheiden nach dem Scoping.
Kann der Agent auf EU-Infrastruktur oder On-Premises laufen?
Ja. Je nach Anforderung betreiben wir in EU-Regionen der Hyperscaler, bei Modellanbietern mit Sitz in der EU oder auf Ihrer eigenen Infrastruktur mit Open-Weight-Modellen. Vollständig lokale Aufbauten tauschen etwas Modellqualität gegen Kontrolle; wir zeigen Ihnen den Unterschied an Ihren eigenen Testfällen, bevor Sie entscheiden. Mehr unter Souveräne KI und EU-Hosting.
Was ist ein MCP-Server, und warum sollten wir einen brauchen?
Das Model Context Protocol (MCP) ist ein offener Standard, mit dem ein Agent externe Systeme einheitlich als Werkzeuge nutzt. Ein MCP-Server für Ihr ERP stellt zum Beispiel Aktionen wie „Kunde suchen“ oder „Auftrag anlegen“ mit definierten Berechtigungen bereit, sodass jeder später gebaute Agent sie wiederverwenden kann. Mehr unter MCP erklärt.
Wie verhindern Sie, dass der Agent Schaden anrichtet?
Durch Design statt Hoffnung: minimale Rechte, Freigabelisten für Aktionen, Freigabeschritte für alles Unumkehrbare, Guardrails für Ein- und Ausgaben, Raten- und Budgetlimits und eine Evaluierungs-Suite, die auch gegnerische Fälle enthält. Dazu eine Protokollierung, mit der Sie jeden Durchlauf rekonstruieren können.
Gehört uns der Code, und wie hängt das mit Ihrer Strategiearbeit zusammen?
Ja. Wir arbeiten in Ihrem Repository, auf Ihren Konten, mit Ihren Lizenzen; bei der Übergabe halten Sie Code, Evaluierungsdatensatz, Dokumentation und Runbook in der Hand. Die KI-Strategie und das Readiness-Assessment identifizieren und priorisieren die Use Cases; diese Leistung setzt sie um. Haben Sie bereits einen, beginnen wir mit einer kurzen Scoping-Woche.
Passende Leistungen
Agentische Workflow-Automatisierung
Mehrstufige Geschäftsprozesse, Ende zu Ende automatisiert durch KI-Agenten über ERP, CRM, Ticketsystem und E-Mail – mit eingebauten Freigabeschritten für Menschen.
Wissensassistenten für Unternehmen (RAG)
Assistenten, die aus SharePoint, Confluence, DMS, ERP und Ticket-Historie antworten: mit Rechteprüfung, Quellenangaben, Evaluierung und Hosting in der EU.
Managed AI Operations (AgentOps)
Monitoring, Evaluation, Modell-Upgrades, Kostenkontrolle und Incident-Handling für Agenten und LLM-Anwendungen nach dem Go-live – mit monatlichem Review und einer Dokumentation, die Ihre Prüfer lesen können.
Guardrails für KI-Agenten
Acht Kontrollebenen, mit denen ein Agent in Ihren Systemen handeln darf, eine Zuordnung von Risikostufen zu Guardrails und ein Beispiel aus der Kreditorenbuchhaltung.
Finden wir den ersten Workflow, der sich wirklich lohnt.
Ein 30-minütiges Erstgespräch, ohne Folien und ohne Verpflichtung. Wir hören zu, fragen nach Ihren Prozessen und sagen Ihnen ehrlich, wo KI-Agenten sich rechnen – und wo nicht.