Wie man einen KI-Agenten erstellt, der tatsächlich etwas Nützliches tut, nicht nur eine Demo?
2 months ago
Ich lese schon seit einiger Zeit über KI-Agenten und jedes Mal, wenn ich mich in das Kaninchenloch begebe, habe ich das gleiche Gefühl: Diese Dinge sehen in einer kontrollierten Demo beeindruckend aus und fallen auseinander, sobald man versucht, sie auf einen echten Arbeitsablauf anzuwenden.
Die meisten Tutorials, die ich gefunden habe, wie man einen KI-Agenten erstellt, sind entweder Spielzeugbeispiele (dieses PDF zusammenfassen, Fragen zu einer CSV beantworten) oder so abstrakt, dass ich nicht herausfinden kann, wie ich sie auf einen tatsächlichen Geschäftsprozess abbilden kann. Mein Team bearbeitet einen ziemlich komplexen Sales-Ops-Workflow mit Daten, die über ein CRM, einige interne Tools und einige manuelle Übergabeschritte verteilt sind, die niemand jemals richtig dokumentiert hat. Die Idee eines Agenten, der auch nur einen Teil davon übernehmen könnte, ist verlockend, aber ich bin wirklich skeptisch, dass die Technologie bereits so weit ist, abgesehen von gut finanzierten Enterprise-Pilotprojekten.
Hat jemand tatsächlich etwas eingesetzt, das in der Produktion läuft, nicht nur ein Proof of Concept, das in einem Notebook lebt? Ich möchte Details: Welches Tool oder welche Plattform hast du verwendet, welchen Arbeitsablauf hat es tatsächlich übernommen, und wo ist es gescheitert oder hat enttäuscht? Ich suche keine Hype, ich suche jemanden, der die Frustration durchgemacht hat und mir sagen kann, was real ist.
Also, ich habe tatsächlich einige dieser Systeme für Kunden in der Produktion ausgeliefert, und die ehrliche Antwort ist: Die Lücke zwischen Demo und echtem Workflow liegt fast vollständig in der Datenzuverlässigkeit und Entscheidungsgrenzen, nicht in der KI selbst.
Die Demos funktionieren, weil alles sauber und abgegrenzt ist. Ihr Sales-Ops-Workflow hat chaotische CRM-Daten, undokumentierte Übergaben und Randfälle, die niemand aufgeschrieben hat. Der Agent trifft auf einen davon und halluziniert entweder einen Weg nach vorne oder bleibt einfach stehen. Beides ist schlecht.
Was bei uns tatsächlich funktioniert hat: Beginnen Sie mit einem Übergabeschritt, dem nervigsten, bei dem jemand manuell zwischen zwei Tools kopiert und einfügt oder 30 Mal pro Woche dieselbe E-Mail schreibt. Versuchen Sie nicht, den gesamten Workflow zu automatisieren. Bringen Sie zuerst dieses eine Stück zuverlässig in der Produktion zum Laufen. Das zwingt Sie auch dazu, die Logik zu dokumentieren, was Ihr Team wahrscheinlich sowieso braucht.
Was die Werkzeuge betrifft: Wir haben n8n für die Orchestrierung verwendet, wenn Kunden selbst gehostete Lösungen wollten, und eine Mischung aus OpenAI-Funktionsaufrufen und benutzerdefinierter Logik für die Entscheidungsebene. Die Plattform ist weniger wichtig als die klare Definition, was der Agent selbstständig entscheiden darf und was er an einen Menschen zurückgeben muss.
Wo es scheitert: Alles, was Urteilsvermögen bei unvollständigen Informationen erfordert. Wenn der CRM-Datensatz Felder vermissen lässt oder zwei Tools widersprüchliche Daten haben, wird der Agent selbstbewusst das Falsche tun, es sei denn, Sie haben diesen Fall explizit behandelt. Und Sie können nicht jeden Fall im Voraus behandeln, also werden Sie Fehler in der Produktion abfangen. Das ist einfach die Realität.
Die Frage, die ich Ihrem Team stellen würde, bevor Sie etwas bauen: Können Sie die genauen Regeln aufschreiben, die ein neuer Mitarbeiter befolgen würde, um diese Aufgabe zu erledigen? Wenn die Antwort nein ist, ist der Agent noch nicht Ihr Problem, sondern der Prozess.