Die Kosten für die Entwicklung eines KI-Agenten hängen davon ab, was der Agent tun darf, nicht vom Modell dahinter: von seinen Werkzeugen, den Systemen, die er liest und ändert, den Tests, die beweisen, dass er richtig handelt, seinen Schutzmechanismen und der Modellnutzung, die Sie jeden Monat bezahlen. Ein schmaler erster Agent kostet einen Bruchteil eines produktiven Agenten, und ein ehrlicher Preis beginnt mit einem kurzen Briefing. Dieser Leitfaden behandelt Architektur, jeden Kostenposten, MVP und Produktivbetrieb, die laufenden Kosten im ersten Jahr, den AI Act und den Ablauf eines Projekts.
Zuletzt aktualisiert: 21. Oktober 2026.
Was kostet die Entwicklung eines KI-Agenten?
Ein KI-Agent ist Software, die ein Sprachmodell nutzt, um zu entscheiden, welche Schritte zu einem Ziel führen, und diese Schritte dann über Werkzeuge ausführt: Er sucht, liest, füllt aus, sendet, bucht oder aktualisiert und prüft das Ergebnis, bevor er weitermacht. Das ist der Unterschied zu einem Chatbot, der nur antwortet. Seine Kosten hängen von diesen Aktionen ab.
Bei Odduel, einer Kreativ- und Technologieagentur in Barcelona und São Paulo, kalkulieren wir KI-Entwicklung auf Basis eines kurzen Briefings: die Aufgabe, für die der Agent zuständig ist, die Menschen, denen er dient, die Systeme, die er berührt, was er ohne Rückfrage tun darf und wie gut er sein muss, bevor sich jemand auf ihn verlässt. Daraus erstellen wir einen Festpreis für eine definierte erste Phase. Vorher wäre jede Zahl geraten.
Kurz gesagt: Das Modell ist selten der größte Posten. Integration in Ihre Systeme, Evaluierung und Schutzmechanismen machen meist den Großteil der Entwicklung aus, denn ein Agent, der handeln kann, muss beweisen, dass er richtig handelt. Die laufenden Kosten sind real und wiederkehrend: Die Modellnutzung wächst mit jedem Schritt des Agenten. Beginnen Sie mit einem schmalen Agenten, messen Sie ihn und entscheiden Sie dann über den Produktivbetrieb.
Warum Angebote für Agenten so unterschiedlich ausfallen
Zwei Angebote für „einen Agenten, der unsere Lieferanten-E-Mails bearbeitet“ können weit auseinanderliegen und trotzdem beide fair sein. Das eine geht davon aus, dass der Agent E-Mails liest und Antworten entwirft, die ein Mensch versendet. Das andere geht davon aus, dass er Anhänge liest, sie mit dem Einkaufssystem abgleicht, Bestellungen aktualisiert, innerhalb fester Grenzen selbst antwortet und den Rest weitergibt. Das zweite hat mehr Werkzeuge, Schreibrechte, Freigaberegeln, eine größere Testsammlung und ein Audit-Log. Mit den Posten unten vergleichen Sie beide fair.
Wo KI auch die Entwicklung günstiger macht
KI steckt im Produkt, und sie übernimmt auch einen großen Teil der wiederkehrenden Produktion bei der Entwicklung: Oberflächenkomponenten nach einem Designsystem, Grundcode für Werkzeug-Anbindungen, erste Testfälle, synthetische Beispieldaten. Das verkürzt Projekte und senkt die Kosten. Die Entscheidungen, die einen Agenten sicher und nützlich machen, bleiben menschliche Arbeit: was er darf, wo ein Mensch freigeben muss, wie er scheitert, wie er gemessen wird, wie personenbezogene Daten behandelt werden. Dorthin gehört das Budget.
Wie wird ein KI-Agent gebaut?
Jeder Agent, so einfach er ist, besteht aus denselben Teilen. Wer sie kennt, kann ein Angebot lesen und sehen, was enthalten ist und was fehlt.
Die Bausteine eines Agenten
- Das Modell: das Sprachmodell, das die Lage liest und den nächsten Schritt entscheidet. Meist ein gehostetes Modell, erreichbar über eine API; manchmal eines, das Sie selbst betreiben.
- Anweisungen: die schriftliche Rolle, die Regeln und Grenzen, innerhalb derer der Agent arbeitet, versioniert wie Code.
- Werkzeuge: die Aktionen, die er ausführen kann, jede eine definierte Funktion mit Eingaben, Ausgaben und Berechtigungen (Wissensbasis durchsuchen, eine Bestellung lesen, ein Ticket anlegen, eine E-Mail senden).
- Wissen: die Dokumente und Datensätze, die er nachschlagen kann, meist über Retrieval: Der Agent findet relevante Passagen und liest sie, bevor er entscheidet.
- Gedächtnis und Zustand: woran er sich innerhalb einer Aufgabe und, wo erlaubt, zwischen Aufgaben erinnert.
- Orchestrierung: die Schleife aus Planen, Handeln, Prüfen und Wiederholen, mit Grenzen für Schritte, Zeit und Ausgaben.
- Schutzmechanismen und Freigaben: Prüfungen dessen, was hinein- und herausgeht, und die Punkte, an denen ein Mensch freigeben muss.
- Protokollierung und Monitoring: eine Aufzeichnung jedes Schritts, jedes Werkzeugaufrufs und jeder Entscheidung, für Fehlersuche, Kostenkontrolle und Nachvollziehbarkeit.
Ein Agent oder mehrere
Viele Aufgaben brauchen einen Agenten mit einer Handvoll Werkzeugen. Manche profitieren von mehreren spezialisierten Agenten, die einander Arbeit übergeben, etwa einem, der eingehende Anfragen sortiert, und anderen, die jede Art bearbeiten. Multi-Agenten-Designs bringen mehr Orchestrierung, mehr Tests und mehr Modellnutzung mit sich; sie sollten durch die Aufgabe begründet sein, nicht gewählt werden, weil sie fortschrittlich klingen. Unser Vergleich Agentic AI vs. generative KI erklärt, wann Handeln statt Antworten die Mehrkosten wert ist.
Workflow oder Autonomie
Die wichtigste Designentscheidung ist, wie viel Freiheit der Agent hat. Ein fester Workflow, in dem das Modell an definierten Punkten urteilt, ist günstiger zu bauen, leichter zu testen und berechenbarer. Ein offener Agent, der seine Schritte selbst plant, kann unordentlichere Aufgaben bewältigen, braucht aber mehr Evaluierung und strengere Grenzen. Die meisten guten Business-Agenten liegen nahe am Workflow.
Welche Kostenpositionen hat ein KI-Agent?
Acht Posten erklären fast jedes Budget für einen KI-Agenten. Jeder ist eine Entscheidung, die Sie vor Beginn der Entwicklung beeinflussen können.
Analyse und Konzeption
Dieser Posten definiert die Aufgabe genau: wofür der Agent zuständig ist, wie Erfolg aussieht, welche Fälle er ablehnen oder weitergeben muss und was die Menschen um ihn herum sehen. Dazu gehören die Erfassung des aktuellen Prozesses, die ersten Testfälle aus echten Beispielen und die Gestaltung der Screens, auf denen Menschen den Agenten prüfen, freigeben oder korrigieren. Es ist ein kleiner Teil des Budgets und der Posten, der alle anderen schützt.
Modellnutzung
Modellnutzung wird nach verarbeiteter Textmenge bezahlt, Ein- und Ausgabe. Agenten verbrauchen weit mehr davon als ein Chat, weil jede Aufgabe mehrere Schritte haben kann, jeder Schritt Anweisungen, Verlauf und abgerufene Dokumente erneut liest und Werkzeugergebnisse in die Unterhaltung zurückfließen. Das gewählte Modell zählt: Große Modelle kosten pro Schritt mehr, kleinere weniger und reichen für Routineschritte oft aus. Während der Entwicklung ist dieser Posten bescheiden, im Betrieb der wichtigste wiederkehrende Kostenpunkt.
Werkzeuge und Integration
Die Integration ist meist der größte Posten der Entwicklung. Jedes Werkzeug ist eine Verbindung zu einem echten System (Ihr CRM, Bestellsystem, Helpdesk, Kalender, Content-System oder Ihre Datenbank) mit Authentifizierung, Berechtigungen, Fehlerbehandlung und Tests. Reine Lesewerkzeuge sind einfacher; Werkzeuge, die schreiben oder senden, brauchen Prüfungen, Grenzen und oft eine menschliche Freigabe. Alte Systeme ohne saubere API oder mehrere Systeme, die sich widersprechen, erhöhen den Aufwand.
Wissen und Datenaufbereitung
Wenn der Agent Dokumente oder Datensätze nachschlägt, müssen sie gefunden, bereinigt, sinnvoll aufgeteilt und für die Suche indexiert werden und aktuell bleiben, wenn sich die Quellen ändern. Saubere, gepflegte Quellen machen diesen Posten bescheiden; verstreutes Wissen, gescannte Dateien und widersprüchliche Versionen machen ihn groß.
Evaluierung
Evaluierung zeigt Ihnen, dass der Agent funktioniert. Sie besteht aus einer Sammlung realistischer Aufgaben mit erwartetem Ergebnis, die bei jeder Änderung an Anweisungen, Werkzeugen oder Modell automatisch laufen, plus menschlicher Prüfung einer Stichprobe. Bei einem Agenten prüft der Test Handlungen wie Worte: Hat er das richtige Werkzeug mit den richtigen Daten aufgerufen und rechtzeitig aufgehört? Dieser Posten wird oft zu niedrig angesetzt. Er ist auch das, was später einen Modellwechsel ohne Sorge ermöglicht.
Schutzmechanismen und Sicherheit
Schutzmechanismen begrenzen, was schiefgehen kann: Prüfungen der Eingaben (auch versteckter Anweisungen in E-Mails oder Dokumenten, die der Agent liest), Prüfungen der Ausgaben, Grenzen dafür, welche Werkzeuge welche Nutzer verwenden dürfen, Ausgaben- und Schrittlimits und Freigaben vor unumkehrbaren Aktionen. Je mehr ein Agent selbstständig tun darf, desto größer dieser Posten.
Oberfläche und Übergabe an Menschen
Menschen müssen sehen, was der Agent getan hat, seine Vorschläge freigeben, ihn korrigieren und übernehmen können. Das kann ein Panel in einem bestehenden Werkzeug oder ein eigener Screen sein. Eine gute Übergabe sorgt dafür, dass Menschen dem Agenten vertrauen und ihn weiter nutzen.
Hosting, Monitoring und Protokollierung
Der Agent braucht Hosting für seine Orchestrierung, Speicher für Logs und Zustand, Monitoring für Fehler, Latenz und Ausgaben und Warnungen, wenn etwas abdriftet. Logs mit personenbezogenen Daten müssen DSGVO-konform aufbewahrt werden: begrenzt, geschützt und nach Plan gelöscht.
| Kostenposten | Was ihn erhöht | Relativer Anteil an der Entwicklung |
|---|---|---|
| Analyse und Konzeption | Unklare Aufgabe, viele Sonderfälle | Klein |
| Modellnutzung (Entwicklungsphase) | Lange Testläufe, große Modelle | Klein |
| Werkzeuge und Integration | Schreibrechte, alte Systeme, viele Werkzeuge | Meist der größte |
| Wissen und Daten | Verstreute oder unordentliche Quellen | Klein bis groß |
| Evaluierung | Viele Aufgabentypen, hohe Genauigkeitsanforderungen | Groß |
| Schutzmechanismen und Sicherheit | Mehr Autonomie, sensible Aktionen | Mittel bis groß |
| Oberfläche und Übergabe | Freigabeabläufe, neue Screens | Mittel |
| Hosting und Monitoring | Volumen, Audit-Anforderungen | Klein bis mittel |
Was unterscheidet einen MVP-Agenten von einem Produktiv-Agenten?
Die nützlichste Entscheidung in einem Agentenbudget ist, den ersten Agenten vom produktiven Agenten zu trennen. Sie beantworten verschiedene Fragen und kosten sehr unterschiedlich viel.
Wozu ein MVP-Agent dient
Ein MVP-Agent beweist eine Sache: Kann ein Agent diese Aufgabe mit unseren Systemen und Daten gut genug erledigen, dass es sich lohnt, ihn richtig zu bauen? Er ist für eine schmale Aufgabe zuständig, nutzt zwei oder drei Werkzeuge, oft nur lesend oder mit einem Menschen, der jede Aktion freigibt, dient einer kleinen internen Gruppe und wird an einer schriftlichen Testsammlung gemessen. Skalierung, volle Berechtigungen und Feinschliff lässt er weg. Er endet mit Belegen: gemessene Genauigkeit, beobachtete Kosten pro Aufgabe, Fehlerfälle und was der Produktivbetrieb bräuchte.
Was der Produktivbetrieb hinzufügt
Der Produktivbetrieb macht aus diesen Belegen etwas, auf das sich Menschen verlassen. Er ergänzt die fehlenden Werkzeuge und Schreibrechte, richtige Anmeldung und Berechtigungen, Freigaberegeln je Aktion und Nutzer, die vollständige Evaluierung bei jeder Änderung, Schutz vor Missbrauch, Monitoring und Ausgabenlimits, DSGVO-konforme Protokollierung, Dokumentation, Schulung der Menschen, die mit dem Agenten arbeiten, und Support. Nach unserer Erfahrung ist das ein Mehrfaches der Arbeit am MVP-Agenten, und dorthin gehört der Großteil des Budgets.
| Aspekt | MVP-Agent | Produktiver Agent |
|---|---|---|
| Beantwortete Frage | Kann ein Agent diese Aufgabe mit unseren Systemen erledigen? | Können sich Menschen jeden Tag darauf verlassen? |
| Umfang | Eine schmale Aufgabe | Die ganze Aufgabe mit ihren Ausnahmen |
| Tools | Zwei oder drei, oft nur lesend | Alle nötigen, mit Schreibrechten, wo begründet |
| Menschliche Freigabe | Bei jeder Aktion | Nur wo das Risiko es verlangt |
| Nutzer | Eine kleine interne Gruppe | Kunden oder ganze Abteilungen |
| Evaluierung | Eine schriftliche Testsammlung, teils von Hand | Bei jeder Änderung automatisch, plus Prüfung |
| Schutzmechanismen | Grundlegende Grenzen | Vollständige Kontrollen für Eingaben, Ausgaben, Berechtigungen und Ausgaben |
| Monitoring | Logs, die das Entwicklungsteam liest | Dashboards, Warnungen, Audit-Trail |
| Relative Entwicklungskosten | Gering | Ein Mehrfaches des MVP |
Wie läuft ein KI-Agenten-Projekt ab?
Ein gut geführtes Agentenprojekt bewegt sich in kurzen Phasen, und jede endet mit etwas Testbarem und einer Entscheidung.
- Briefing. Eine Seite: die Aufgabe, die Menschen, die Systeme, was der Agent allein tun darf, was eine Freigabe braucht, wie Erfolg gemessen wird. Darauf beruht ein Festpreis.
- Analyse. Den aktuellen Prozess erfassen, echte Beispiele sammeln, die ersten Testfälle schreiben, Datenzugang und Rechtslage prüfen.
- Architektur. Modell, Werkzeuge, Grad der Autonomie, Freigabepunkte und Hosting des Agenten festlegen.
- MVP-Entwicklung. Den schmalen Agenten, seine Werkzeuge und einen einfachen Prüfscreen bauen; die Tests täglich laufen lassen.
- Pilot mit echten Nutzern. Eine kleine Gruppe nutzt ihn für echte Arbeit, ein Mensch gibt Aktionen frei; Genauigkeit, Kosten pro Aufgabe und gesparte Zeit messen.
- Entscheidung. Aufhören, anpassen oder in den Produktivbetrieb gehen, auf Basis der Belege, nicht der Begeisterung.
- Produktiventwicklung. Alle Werkzeuge, Berechtigungen, Schutzmechanismen, Evaluierung, Monitoring, Dokumentation und Schulung.
- Launch und Feinabstimmung. Schrittweiser Rollout, genaue Beobachtung von Logs und Ausgaben, Freigaben nur dort gelockert, wo die Daten es stützen.
Dieselbe Logik kurzer Phasen gilt, egal wer baut. Unser Beitrag zur Wahl zwischen KI-Agentur und Freelancer zeigt, welcher Partner zu welcher Phase passt.
Was kostet der Betrieb eines KI-Agenten im ersten Jahr?
Ein Agent wird nicht einmalig bezahlt. Planen Sie diese wiederkehrenden Posten vor der Entwicklung, nicht nach dem Launch.
Was jeden Monat anfällt
- Modellnutzung. Wächst mit der Zahl der Aufgaben und der Schritte pro Aufgabe. Meist der größte wiederkehrende Posten. Wiederholte Anweisungen cachen, das kürzen, was der Agent erneut liest, und Routineschritte an ein kleineres Modell geben senkt sie.
- Hosting und Speicher. Orchestrierung, Logs, Zustand und ein etwaiger Suchindex.
- Dienste Dritter. Kostenpflichtige APIs, die die Werkzeuge aufrufen, Suche, Dokumentenerkennung, E-Mail- oder Messaging-Dienste.
- Monitoring. Werkzeuge, die Fehler, Latenz, Qualität und Ausgaben verfolgen.
Was als Arbeit anfällt
- Evaluierungsläufe. Jede Änderung und jede neue Modellversion des Anbieters erfordert, die Testsammlung laufen zu lassen und zu prüfen.
- Modellwechsel. Anbieter nehmen Modelle vom Markt und ersetzen sie; der Umstieg ist Arbeit, die eine gute Testsammlung sicher macht.
- Pflege des Wissens. Indizes werden aktualisiert, wenn sich Dokumente ändern.
- Pflege der Werkzeuge. Angebundene Systeme ändern APIs, Felder und Berechtigungen; die Werkzeuge des Agenten ziehen nach.
- Prüfung und Feinabstimmung. Ein Mensch liest eine Stichprobe der Arbeit des Agenten, ergänzt neue Testfälle aus echten Fehlern und passt die Anweisungen an.
Nach unserer Erfahrung machen die laufenden Kosten eines Agenten im ersten Jahr einen erheblichen Teil der Entwicklung aus, mehr als bei gewöhnlicher Software, weil Modellnutzung und Evaluierung nie aufhören. Bitten Sie jeden Anbieter um eine Schätzung der Kosten pro Aufgabe bei Ihrem erwarteten Volumen und um die Hebel, die sie senken.
Was bedeutet der EU AI Act für einen KI-Agenten?
Der EU AI Act (Verordnung (EU) 2024/1689) ist am 1. August 2024 in Kraft getreten und gilt schrittweise. Die Verbote bestimmter Praktiken und die Pflicht zur KI-Kompetenz der Beschäftigten gelten seit dem 2. Februar 2025, die Pflichten für Anbieter von KI-Modellen mit allgemeinem Verwendungszweck seit dem 2. August 2025.
Für die meisten Business-Agenten sind diese Punkte praktisch relevant:
- Transparenz. Menschen müssen wissen, dass sie es mit einem KI-System statt mit einem Menschen zu tun haben, sofern es nicht offensichtlich ist. Ein Agent, der Kunden schreibt oder ihnen antwortet, sollte das sagen; das von Anfang an einzuplanen kostet wenig.
- Risikokategorie. Die meisten Agenten (Support, Sortierung, Entwürfe, interne Abläufe) sind nicht hochriskant. Ein Agent für Entscheidungen über Einstellungen, Kredite, Zugang zu Bildung oder grundlegenden Diensten kann es sein, und Hochrisikosysteme bringen umfangreiche Pflichten zu Dokumentation, menschlicher Aufsicht und Qualität mit sich. Prüfen Sie das in der Analyse: Es verändert das Budget stärker als jede technische Entscheidung.
- Ihre Rolle. Wenn Sie den Agenten bauen oder beauftragen und unter Ihrem Namen in Betrieb nehmen, können Sie sein Anbieter sein; nutzen Sie den Agenten eines Herstellers, sind Sie Betreiber. Die Pflichten unterscheiden sich.
- Die DSGVO gilt weiterhin. Ein Agent, der E-Mails, Akten oder Dokumente liest, verarbeitet personenbezogene Daten: Sie brauchen eine Rechtsgrundlage, Datenminimierung, einen Vertrag zur Auftragsverarbeitung mit dem Modellanbieter, Sorgfalt bei Übermittlungen außerhalb der EU und eine Aufbewahrungsregel für Logs.
Prüfen Sie die Termine der späteren Stufen, insbesondere der Hochrisikoregeln, bei der Planung anhand des aktuellen amtlichen Textes; dies ist eine allgemeine Information, keine Rechtsberatung.
Wie liest man das Angebot für einen KI-Agenten?
Prüfen Sie ein Angebot auf diese Punkte:
- Die Aufgabe in einem Satz, und was der Agent nicht tun wird.
- Die Werkzeuge einzeln aufgeführt, mit Lese- oder Schreibzugriff und wo eine Freigabe nötig ist.
- Ein Evaluierungsplan: wie viele Testaufgaben, was als bestanden gilt, wer prüft.
- Benannte Schutzmechanismen, nicht nur angedeutete: Eingabe- und Ausgabeprüfungen, Ausgaben- und Schrittlimits, Freigaben.
- Getrennte Preise für MVP-Agent und Produktivbetrieb, mit dem Entscheidungspunkt dazwischen.
- Eine Schätzung der laufenden Kosten: Modellnutzung pro Aufgabe bei Ihrem Volumen und die wiederkehrende Arbeit.
- Eigentum: wem Anweisungen, Werkzeugcode, Testsammlung und Logs gehören und ob Sie den Modellanbieter wechseln können.
- Die EU-Lage: Transparenz, Risikokategorie und Datenverarbeitung behandelt.
Ein Angebot mit einer einzigen Summe und ohne Testplan ist das, das Sie hinterfragen sollten. Wenn Sie statt eines Agenten eher eine KI-Funktion in einer App erwägen, zeigt unser Leitfaden App entwickeln lassen, wie eine solche Funktion gebaut wird.
Häufige Fragen zur Agenturwahl
Was ist der Unterschied zwischen einem KI-Agenten und einem Chatbot?
Ein Chatbot beantwortet Fragen; ein KI-Agent führt Aktionen auf ein Ziel hin aus. Der Agent nutzt ein Sprachmodell, um seinen nächsten Schritt zu entscheiden, und Werkzeuge, um zu handeln: Datensätze lesen, Systeme aktualisieren, Nachrichten senden, buchen. Weil er handelt, braucht er Integration, Berechtigungen, Freigaberegeln und Tests seiner Aktionen, und deshalb kosten Agenten in Entwicklung und Betrieb mehr als Chatbots.
Wie lange dauert die Entwicklung eines KI-Agenten?
Ein schmaler MVP-Agent mit wenigen Werkzeugen dauert meist Wochen, nicht Monate, sobald der Zugang zu den Systemen steht. Ein produktiver Agent dauert länger, wegen der restlichen Integrationen, Berechtigungen, Schutzmechanismen, der vollständigen Evaluierung und des Pilots mit echten Nutzern. Der Zugang zu Systemen und Daten ist oft der langsamste Teil, klären Sie ihn also vor Entwicklungsbeginn.
Ist eine Agentenplattform günstiger als eine Eigenentwicklung?
Für eine gängige Aufgabe innerhalb eines Werkzeugs ist der eingebaute Agent eines Herstellers oft der günstigere Einstieg: wenig Integration, eine monatliche Gebühr. Ein eigener Agent lohnt sich, wenn die Aufgabe mehrere Ihrer Systeme durchläuft, Ihre eigenen Regeln und Freigaben braucht oder wenn Sie Anweisungen, Tests und Daten besitzen und den Modellanbieter frei wechseln möchten.
Was treibt die laufenden Kosten eines KI-Agenten nach oben?
Die laufenden Kosten steigen mit der Zahl der Aufgaben, den Schritten pro Aufgabe, der Textmenge, die der Agent bei jedem Schritt erneut liest, und der Größe des Modells. Lange Gesprächsverläufe, große Dokumente und Wiederholungen summieren sich. Caching, kürzerer Kontext, kleinere Modelle für Routineschritte und Schrittlimits halten die Modellnutzung, den größten wiederkehrenden Posten, im Griff.
Fällt ein KI-Agent unter den EU AI Act?
Jedes in der EU in Verkehr gebrachte KI-System fällt in den Anwendungsbereich des AI Act, doch die meisten Business-Agenten sind nicht hochriskant. Ihre Hauptpflichten sind Transparenz, also der Hinweis, dass Menschen mit einer KI zu tun haben, und die KI-Kompetenz der Beschäftigten. Agenten für Entscheidungen über Einstellungen, Kredite, Bildung oder grundlegende Dienste können hochriskant sein, mit deutlich höheren Pflichten.
Woran erkennen wir, dass der Agent bereit für den Launch ist?
Legen Sie die Messlatte vor der Entwicklung fest: eine Sammlung realistischer Testaufgaben, der Anteil, den er richtig erledigen muss, die Fehler, die nie akzeptabel sind, und die Fälle, die er an einen Menschen geben muss. Lassen Sie diesen Test bei jeder Änderung laufen und starten Sie dann einen Pilot mit echten Nutzern und aktiven Freigaben. Gehen Sie live, wenn die gemessenen Ergebnisse die Messlatte erreichen, nicht wenn Demos überzeugend wirken.
Wenn Sie eine Aufgabe für einen Agenten im Kopf haben, schreiben Sie das einseitige Briefing: die Aufgabe, die Menschen, die Systeme, was er allein tun darf und wie Sie ihn messen. Wir machen daraus eine Architektur, einen Plan für einen MVP-Agenten und einen Festpreis für diese erste Phase, mit einer Schätzung der laufenden Kosten. Sehen Sie, wie wir an KI-Entwicklung herangehen, oder erzählen Sie uns von Ihrem Projekt.
