readyforagents.ai

Bereit für
Agenten?

Der Einsatz von KI-Agenten scheitert meist nicht an der Leistung der Modelle.
Sondern an strukturellem Chaos und an Teams, die nicht darauf vorbereitet sind.

This page is also available in 🇬🇧 English.

Die Ursachenanalyse

Das Problem ist nicht die KI.
Es ist Ihre Organisation.

Die KI-Debatte der letzten Jahre war fast ausschließlich auf die Modell-Leistung fixiert: Können sie logisch denken? Wie viel halluzinieren sie? Diese Fragen sind heute weitgehend beantwortet, oder unter Kontrolle, sobald Modelle in professionellen Agenten-Frameworks arbeiten. Aktuelle Modelle sind leistungsfähig genug. Das Problem ist jedoch: Die Modelle treffen auf Unternehmen, die strukturell nie für den Einsatz autonomer Agenten konzipiert wurden.

Agenten benötigen ein präzises Umfeld. Integriert man sie in eine gewachsene Organisation, scheitern sie sofort – nicht mangels Intelligenz, sondern weil die Infrastruktur fehlt.

Chaos lässt sich nicht automatisieren.

Agenten vs. Chatbots

Agenten sind keine Chatbots.
Und sie sind bereits im Einsatz.

Heutige Agenten beantworten nicht nur Fragen, sie handeln. Claude Cowork erstellt Dokumente, analysiert Daten und steuert Workflows. Perplexity Computer erstellt und führt komplexeste Workflows aus, die Stunden oder sogar Monate laufen können. Coding-Agenten wie Claude Code oder Codex schreiben, testen und deployen produktiven Code – völlig autonom.

Wer diese Werkzeuge nicht nutzt, verliert bereits jetzt den Anschluss. Viele, die bereits Zugang haben, verwenden sie jedoch wie Chatbots: hier eine Frage stellen, dort einen Absatz übersetzen, statt echte Arbeit zu delegieren. Der Schritt von „frag es etwas" zu „gib ihm einen Auftrag" ist schwieriger als er klingt. Diese Kompetenzlücke wächst mit jedem Monat.

Was frühe Anwender berichten, wenn sie Agenten wirklich einsetzen:

Delegation. Der effektive Einsatz von Agenten erfordert plötzlich Kompetenzen, die in den meisten Rollen bisher nicht gefragt waren: klares Delegieren. Intention kommunizieren, erwartete Ergebnisse spezifizieren, eine explizite Definition of Done formulieren. Das sind Führungskompetenzen, und jetzt braucht sie jeder Wissensarbeiter, ob mit Führungserfahrung oder nicht.

Tempo. Werkzeuge wie Claude Cowork und Perplexity Computer orchestrieren intern hervorragend: Sub-Agenten, parallele Ausführung, das funktioniert. Aber jede Aufgabe braucht Zeit, und die Wartezeit lädt dazu ein, die nächste anzustoßen. Und die nächste. Plötzlich jongliert man fünfzehn Aufgaben in fünf verschiedenen Projekten, und die Werkzeuge sind so leistungsfähig, dass man selbst zum Engpass wird. Diese Art von agentischem Multitasking erfordert echte Übung, kann überraschend anstrengend sein, und gelehrt wird es bisher nirgends.

Ihre Mitarbeiter brauchen neue Kompetenzen für die Arbeit mit Agenten. Aber das ist nur die halbe Wahrheit. Auch Ihre Organisation muss bereit sein.

Die drei Voraussetzungen

Agenten benötigen Strukturen, die in den meisten Firmen fehlen.

Am wichtigsten ist Legibilität (Lesbarkeit): wie viel von Ihrem Unternehmen für einen Agenten tatsächlich les- und damit verwertbar ist. Doch Lesbarkeit allein reicht nicht: Agenten müssen auch handeln können.

Lassen Sie uns das näher betrachten.

01

Ihre Daten existieren. Aber Agenten können sie nicht lesen.

Agenten nutzen keine Dashboards. Sie loggen sich nicht in Ihr CRM ein und klicken sich durch, um dort manuell nach Informationen zu suchen. Sie benötigen Daten über APIs oder maschinenlesbare Schnittstellen, nicht versteckt hinter grafischen Oberflächen, die ausschließlich für menschliche Augen optimiert wurden.

02

Agenten operieren über APIs. Haben Ihre Systeme welche?

Ein Agent kann nur dort aktiv eingreifen, wo eine technische Schnittstelle existiert. Ohne API gibt es weder Schreibrechte noch eine autonome Prozesssteuerung, und ein Agent bleibt höchstens ein passiver Beobachter.

Moderne SaaS-Lösungen sind zum Glück schon meist vorbereitet. Bei Legacy-Systemen oder stark angepassten ERP-Landschaften sieht das oft anders aus. Diese Lücken zu schließen, ist die Basis jeder KI-Strategie.

03

Kein Dokument, kein Agent.

Das ist die größte Hürde in der Praxis. In den meisten Unternehmen finden sich einige wesentliche Teile geschäftskritischer Logik, die nirgends dokumentiert sind. Es ist implizites Wissen: „Frag Sarah", „Das kommt darauf an" oder „Das haben wir schon immer so gemacht".

Ein neuer Mitarbeiter kann Kollegen wochenlang begleiten und dieses Wissen informell aufsaugen. Ein Agent kann das nicht. Wenn ein Prozess nicht in schriftlicher Form vorliegt (als Dokument, Spezifikation oder Checkliste), ist er für den Agenten nicht existent.

Delegation als neue Kernkompetenz

Agenten benötigen das, was gute Manager auszeichnet:
Klarheit.

Dieser entscheidende Punkt wird oft übersehen: Der Einsatz von Agenten ist weniger ein technologisches Problem als eine Frage guter Führung.

Wer an einen Menschen delegiert, kann erwarten, dass dieser mitdenkt und Lücken mit gesundem Menschenverstand füllt. Diese Art von Intuition fehlt Agenten in der Regel. Effektive Delegation an eine KI erfordert also eine Präzision, die in vielen Unternehmen fehlt: klar definieren, wie ein Ergebnis konkret aussehen muss.

Vage Vorgaben wie „es soll gut aussehen" funktionieren hier nicht mehr. „Fertig" bedeutet für einen Agenten: ein definierter Status in der Datenbank, eine generierte Datei oder eine erfolgreich durchlaufene Checkliste. Binär. Verifizierbar. Testbar.

Delegation an Menschen
Delegation an Agenten
Briefing
„Können Sie den Quartalsbericht übernehmen? Sie wissen ja, wie wir das machen."
Erstelle Q3-Umsatzzusammenfassung aus api/v1/revenue?period=Q3, formatiere als PDF mit Template reports/quarterly.tmpl.
Datenquelle
„Fragen Sie in der Finanzabteilung nach, die wissen, wo die Zahlen liegen."
GET /api/finance/metrics — Authentifizierung via Service-Account reports-bot.
Abnahme-
kriterien
„Machen Sie einfach, dass es gut aussieht. Ich schaue dann drüber."
PDF mit Brand-Template reports/quarterly.tmpl generiert, gespeichert unter /reports/Q3-[date].pdf, E-Mail an stakeholders gesendet, Slack-Bestätigung gepostet.
Sonderfälle
„Verlassen Sie sich auf Ihr Urteil. Wenn etwas unklar ist, fragen Sie Sarah."
Falls Umsatzabweichung >15% zu Q2: Zur Prüfung markieren, nicht senden. Falls Datenquelle 4xx liefert: 3 Retries, dann eskalieren.
Eskalation
„Wenn Ihnen etwas auffällt, kommen Sie auf mich zu."
Falls ein Schritt fehlschlägt oder Daten auffällig sind (definiert in rules/escalation.yaml): Ticket in Linear-Projekt OPS erstellen, an @finance-lead zuweisen, Error-Log anhängen.

Unternehmen, die mit Agenten gewinnen, sind nicht die mit den teuersten Modellen. Es sind die, die ihre Arbeit so präzise dokumentiert haben, dass ein Agent sie ausführen kann.

Expertise & Hintergrund

KI-Forschung und Produktivsysteme seit 2016.
Ich kenne die Hürden der Umsetzung.

Von 2016 bis 2024 habe ich als Senior Researcher das AI Technology Lab am NIM (Nürnberg Institut für Marktentscheidungen) aufgebaut und geleitet. Acht Jahre lang ging es in der Forschung um Computer Vision, Sprachsynthese, Social Robotics, sprachbasierte KI-Interviews, synthetische Respondenten und autonome Marktforschungs-Workflows. Die Zusammenarbeit mit dem NIM läuft bis heute.

2024 war ich Chief Founding Engineer bei ZML und habe dort an einem High-Speed-Inference-Framework in Zig und MLIR mitgebaut, das alles aus NVIDIA-, AMD-, Google-TPU- und AWS-Trainium-Hardware herausholt. So nah an der Hardware wie es nur geht.

Seit 2025 führe ich mein eigenes KI-Labor. Ich entwickle produktive Agenten-Systeme und die Infrastruktur dahinter, darunter einen komplett selbst entwickelten KI-Agenten, der als mein virtueller Co-Founder und CFO fungiert und mein Geschäft täglich mitsteuert.

2016 — 2024

NIM

Leitung AI Technology Lab. Computer Vision, Sprachsynthese, Embodied Conversational Agents, sprachbasierte KI-Interviews, synthetische Respondenten, autonome Marktforschungs-Workflows.

2024

ZML

Chief Founding Engineer. High-Speed AI Inference in Zig und MLIR, maximale Performance auf NVIDIA, AMD, Google TPU und AWS Trainium.

2025 —

AI Research & Technology Lab

Eigenes Labor. Entwicklung produktiver Agentensysteme und KI-Infrastruktur für den Unternehmenseinsatz.

Ich bin kein Berater, der sich KI-Wissen angeeignet hat, sondern KI-Forscher und Entwickler. Ich helfe Ihnen herauszufinden, wo Sie stehen und wie Sie sich für die agentische Zukunft aufstellen.

Leistungsspektrum

Ich helfe Ihnen, „agent-ready" zu werden.

Ich verkaufe Ihnen weder eine vorgefertigte Plattform, noch installiere ich einen Chatbot als sogenannte „KI-Lösung". Ich hole Sie dort ab, wo Sie stehen. Ob es darum geht, die richtigen Werkzeuge einzuführen oder die Infrastruktur für eigene Agenten-Lösungen aufzubauen.

Konkret kann das heißen, mit Ihren Teams das Meiste aus Coding-Agenten oder Claude Cowork herauszuholen, fehlende Prozessdokumentation aufzudecken, Ihre Infrastruktur um APIs zu erweitern, oder eigene Agenten zu entwickeln. Sie entscheiden, wie weit Sie gehen wollen.

Lassen Sie uns sprechen. rene@technologylab.ai

Kein Pitch-Deck. Kein Sales-Funnel. Nur eine fundierte Einschätzung Ihrer Situation.

Für die grundlegende Thesis: Legibility is Leverage — Warum KI-Agenten Struktur benötigen, nicht nur Intelligenz

Get in touch