KI-Agenten erstellen: der Praxis-Guide

KI-Agenten erstellen in einem Satz

Einen KI-Agenten erstellen heißt: eine eng zugeschnittene Aufgabe definieren, ein Modell mit den nötigen Werkzeugen verbinden, das Verhalten über Anweisungen und Guardrails festlegen und den Ablauf so lange gegen echte Fälle testen, bis er auch dann sinnvoll reagiert, wenn etwas schiefgeht.

Der Prototyp ist an einem Nachmittag fertig. Der Weg zu einem Agenten, der ein Jahr lang unbeaufsichtigt läuft, führt über die Punkte, die in Tutorials fehlen: Fehlerfälle, Berechtigungen, Kosten und Wartung. Genau darum geht es hier. Die Grundlagen – Bausteine und Autonomiestufen – stehen in Was sind KI-Agenten?.

Schritt 0: die Aufgabe zuschneiden

Der häufigste Fehler passiert vor der ersten technischen Entscheidung. Ein Auftrag wie „übernimm unser Content-Marketing" erzeugt einen Agenten, der überall mittelmäßig ist.

Ein tauglicher Zuschnitt ist in einem Satz beschreibbar und hat drei Eigenschaften: ein klares Startsignal, ein definiertes Ergebnis, eine prüfbare Erfolgsbedingung. Beispiel: „Wenn eine Anfrage über das Kontaktformular eingeht, recherchiere das Unternehmen, bewerte es gegen unser Kriterienraster und lege einen kommentierten Datensatz im CRM an." Startsignal, Ergebnis, Prüfbarkeit – alles vorhanden.

Formuliere außerdem, was der Agent nicht tun darf. Diese Negativliste ist später die Basis deiner Guardrails.

Die drei Bauwege

Für den Großteil der Anwendungsfälle in Marketing und Vertrieb ist die Automatisierungsplattform die richtige Wahl: Der Ablauf bleibt sichtbar, jeder Schritt ist einzeln prüfbar, und die Anbindung an bestehende Systeme ist gelöst. Wie diese Plattformen arbeiten, erklärt der n8n-Guide.

Ein reiner Wissensassistent ohne Aktionen braucht übrigens gar keinen Agenten – dafür reicht ein konfigurierter Assistent, siehe Custom GPTs erstellen.

Die sechs Bausteine, die du festlegst

1. Auslöser. Zeitplan, eingehende Nachricht, Webhook, neuer Datensatz. Beim Auslöser entscheidet sich, wie oft der Agent läuft – und damit die Hälfte deiner Kosten.

2. Systemanweisung. Rolle, Aufgabe, Tonalität, Vorgehensregeln, Abbruchbedingungen, Ausgabeformat. Sei explizit bei dem, was bei Unsicherheit passieren soll: „Wenn eine Information nicht belegbar ist, markiere sie als offen, statt sie zu schätzen."

3. Modellwahl. Für Planung und Bewertung ein starkes Reasoning-Modell, für einfache Extraktion ein kleines schnelles. Diese Trennung senkt die Kosten deutlich, ohne die Qualität zu drücken – eine Einordnung der Modellfamilien gibt KI-Modelle im Vergleich.

4. Werkzeuge. Nur die, die die Aufgabe wirklich braucht. Jedes zusätzliche Werkzeug erhöht die Chance, dass der Agent das falsche greift. Für die Anbindung ist das Model Context Protocol inzwischen der übliche Weg.

5. Wissensbasis. Alles, was der Agent über euch wissen muss: Produktdaten, Richtlinien, Preislogik, frühere Fälle. Wichtiger als das Modell – ein starkes Modell auf schlechten Daten liefert überzeugend formulierten Unsinn.

6. Ausgabe und Übergabe. Wohin geht das Ergebnis, in welchem Format, wer bekommt eine Benachrichtigung, und an welcher Stelle greift die Freigabe?

Schritt für Schritt: ein Rechercheagent für eingehende Anfragen

Der konkrete Ablauf, wie er in einer Automatisierungsplattform entsteht:

1. Auslöser einrichten. Neue Zeile im Formular-Backend oder eingehende Mail an eine definierte Adresse.
2. Eingabe normalisieren. Firmenname, Domain und Anliegen sauber extrahieren – ein kleiner Modellschritt reicht.
3. Vorprüfung einbauen. Kennen wir den Kontakt schon? Ist es offensichtlich Spam? Wer hier aussortiert, spart alle Folgeschritte.
4. Recherche-Schritt definieren. Der Agent bekommt Websuche und Zugriff auf die Unternehmenswebsite und sammelt Branche, Größenordnung, Standorte und relevante Signale – mit Fundstelle je Angabe.
5. Bewertung gegen das Raster. Ein zweiter Modellschritt mit euren Kriterien und expliziter Begründungspflicht. Begründung erzwingen ist der wirksamste Qualitätshebel überhaupt.
6. Ergebnis strukturieren. Feste Ausgabestruktur mit definierten Feldern, damit das Zielsystem sie ohne Nacharbeit annimmt.
7. Aktion mit Freigabe. Datensatz im CRM anlegen, Benachrichtigung ins Team-Tool, Antwortentwurf zur Freigabe – nicht zum automatischen Versand.
8. Protokollieren. Jeder Lauf mit Eingabe, Zwischenschritten, Ergebnis und Kosten. Ohne dieses Protokoll kannst du später nicht nachvollziehen, warum ein Lauf danebenging.

Rechne für die erste belastbare Version mit ein bis zwei Wochen, davon der kleinere Teil für den Aufbau und der größere für Tests und Nachschärfen.

Guardrails: was den Agenten sicher macht

• Rechte minimal halten. Eigener Zugang je Agent, nur Lesezugriff wo möglich, kein Schreibrecht auf Systeme, die er nicht braucht.
• Freigabe vor Außenwirkung. Alles, was ein Kunde sieht oder was Geld bewegt, geht durch eine menschliche Bestätigung.
• Schrittlimit und Zeitlimit. Ein Agent, der nach 15 Schritten nicht fertig ist, hat sich verlaufen. Abbrechen und melden ist besser als weiterlaufen.
• Kostenlimit. Hartes Budget pro Lauf und pro Tag, mit Alarm.
• Ausgabevalidierung. Struktur maschinell prüfen, bevor sie ins Zielsystem geht.
• Datenminimierung. Personenbezogene Daten nur übergeben, wenn die Aufgabe sie zwingend braucht, und nur an Modelle mit vertraglicher Grundlage.

Testen: die Fälle, die im Prototyp fehlen

Sammle vor dem Start 20 bis 30 echte Fälle, darunter bewusst die unangenehmen: leere Felder, Rechtschreibfehler, Firmen ohne Website, zweideutige Anfragen, sehr lange Eingaben, Fremdsprachen. Lass den Agenten alle durchlaufen und bewerte drei Dinge: Ist das Ergebnis korrekt? Ist es vollständig? Und – am wichtigsten – erkennt der Agent, wenn er es nicht weiß?

Ein Agent, der bei fehlenden Informationen sauber „nicht ermittelbar" meldet, ist im Betrieb mehr wert als einer mit zwei Prozentpunkten mehr Trefferquote und der Neigung zu raten.

Betrieb

Ein Agent ist kein Projekt mit Enddatum. Plane fest ein: wöchentlicher Blick ins Protokoll auf Abbrüche und Ausreißer, monatliche Stichprobe auf Ergebnisqualität, Nachziehen bei jeder Änderung an angebundenen Systemen und ein erneuter Testlauf bei jedem Modellwechsel. Und benenne eine zuständige Person – ohne sie läuft ein stiller Fehler wochenlang mit.

Fazit

Agenten scheitern selten am Modell und fast immer am Zuschnitt, an der Datengrundlage oder an fehlenden Guardrails. Wer die Aufgabe eng fasst, Werkzeuge sparsam vergibt, Begründungen erzwingt und einen Freigabeschritt vor jeder Außenwirkung setzt, bekommt ein System, das verlässlich Stunden spart. Wenn du beim Zuschnitt, der Systemanbindung oder dem Betrieb Unterstützung brauchst, begleiten wir bei Buzz­matic genau solche Automatisierungsprojekte – von der Machbarkeitsprüfung bis zum laufenden Agenten.