Was einen KI-Agenten zuverlässig macht – und warum die Funktionsliste dabei zweitrangig ist

Es gibt eine neue Sorte KI-Werkzeug, die viel verspricht: den persönlichen Agenten, der rund um die Uhr für Sie arbeitet, E-Mails vorsortiert, recherchiert, Entwürfe schreibt. Der Einstieg ist heute leicht, und die ersten Tage fühlen sich beeindruckend an. Interessant wird es erst nach ein paar Wochen. Dann trennt sich, was im Demo-Video glänzt, von dem, was im Betrieb trägt. Und der Unterschied liegt selten in der Zahl der Funktionen. Er liegt darin, ob das System mit der Zeit zuverlässig bleibt oder langsam verwahrlost.

Der Reflex heißt „mehr Funktionen". Das Problem heißt „mehr Bruchstellen".

Wer Agenten-Werkzeuge vergleicht, stößt schnell auf das Wettrennen um die längste Funktionsliste. Ein aktuelles Video über den Agenten Hermes bringt das Gegenargument auf den Punkt: Das dahinterstehende Team setzt bewusst auf wenige, fokussierte Updates mit einem klaren Thema pro Release statt auf tägliche neue Funktionen. Die Begründung ist nüchtern und stimmt mit dem überein, was ich in über 30 Jahren IT immer wieder gesehen habe: Jede zusätzliche Funktion ist auch eine zusätzliche Stelle, an der beim nächsten Update etwas brechen kann.

Für einen Agenten, der Ihre Arbeit übernehmen soll, ist das keine Geschmacksfrage. Ein Werkzeug, das nach jedem Update erst wieder repariert werden muss, kostet Sie genau die Zeit, die es eigentlich sparen sollte. Schlank zu bleiben ist hier kein Verzicht, sondern eine Stabilitätsentscheidung.

Das eigentliche Nadelöhr ist das Gedächtnis

Der unscheinbarste Teil eines Agenten entscheidet am meisten über seine Langzeit-Qualität: sein Gedächtnis. Branchenberichte aus 2026 beschreiben das Muster übereinstimmend als „context rot" – das langsame Zuwachsen des Arbeitsspeichers mit alten, teils veralteten Informationen. Die Folge: Der Agent wird widersprüchlicher, langsamer und teurer, je länger er läuft.

Die Gegenmaßnahme ist nicht „alles merken", sondern „gepflegt vergessen". Gute Systeme fassen Vergangenes zusammen, mustern Ungenutztes aus und halten den aktiven Speicher bewusst kompakt. Anthropic berichtet, dass gezieltes Aufräumen des Arbeitskontexts den Token-Verbrauch in einer Auswertung über 100 Arbeitsschritte um rund 84% senkte – und Abläufe überhaupt erst durchlaufen ließ, die sonst am vollen Kontext gescheitert wären.

Genau hier setzt eine Funktion an, die im erwähnten Video „Curator" heißt: ein Wartungsmechanismus, der regelmäßig prüft, welche selbst angelegten Fähigkeiten tatsächlich genutzt werden, und den Rest archiviert. Das ist unspektakulär und wird in keiner Werbung gefeiert. Für die Frage, ob ein Agent auch nach Monaten noch verlässlich arbeitet, ist es wichtiger als jede neue Spielerei. Wer Agenten einführt, sollte deshalb nicht nur fragen „Was kann das Werkzeug?", sondern „Wie hält es sich selbst sauber?".

Der Mensch bleibt der Qualitätsanker

Je selbstständiger ein Agent arbeitet, desto wichtiger wird der Punkt, an dem ein Mensch gegenliest. Das ist kein Misstrauen gegenüber der Technik, sondern gute Konstruktion. In der Praxis gibt es dafür zwei Bauformen, die sich ergänzen.

Die erste ist die feste Übergabe: Der Agent bereitet vor, ein Mensch gibt frei. Bei sensiblen Schritten – einer Rechnung, einer Kundenantwort, einer Freigabe – läuft nichts ohne diese Bestätigung. Die zweite ist eine eingebaute Prüfinstanz. Manche Agenten arbeiten an einem Ziel, bis eine zweite, getrennte Instanz bestätigt, dass es wirklich erreicht ist, und stoppen nach einer festen Zahl von Versuchen, damit nicht endlos Rechenzeit verbrannt wird. Beide Muster verfolgen denselben Zweck: eine Kontrolle, die nicht dieselbe Quelle ist, die auch den Fehler gemacht haben könnte.

Für den Arbeitsalltag heißt das: Ein guter Agent ist nicht der, der am meisten allein macht, sondern der, der weiß, wann er an einen Menschen übergibt.

Mehrere Agenten? Nur, wenn die Aufgabe es trägt

Ein verbreitetes Missverständnis ist, dass „mehr Agenten" automatisch besser sei. Sinnvoll wird ein Team aus Spezial-Agenten erst, wenn die Aufgabe wirklich danach verlangt – und dann gibt es zwei klar verschiedene Wege.

Beim ersten zerlegt ein Leit-Agent eine große Aufgabe in Teilschritte und verteilt sie: Recherche -> Textentwurf -> Auswertung, jeweils an den passenden Spezialisten. Beim zweiten arbeiten mehrere Agenten parallel an derselben Frage, aus verschiedenen Blickwinkeln, eine Prüfinstanz bewertet die Ergebnisse, und am Ende führt eine letzte Stufe alles zu einem Resultat zusammen. Das erste spart Zeit bei klar teilbaren Aufgaben, das zweite bringt Tiefe bei kniffligen. Für kleinere, eindeutige Aufgaben ist beides schlicht zu viel Apparat. Anfangen sollte man immer mit dem einfachsten Aufbau, der die Aufgabe löst, und erst erweitern, wenn ein konkreter Engpass es erzwingt.

Was das für Ihren Betrieb bedeutet

Die Versuchung beim Einkauf ist, die Funktionsliste zu vergleichen. Die bessere Frage ist eine andere: Bleibt dieses Werkzeug auch in drei Monaten noch verlässlich, und woran erkenne ich das? Daraus werden ganz praktische Prüffragen. Hält das System seinen Speicher kompakt, oder sammelt es alles? Gibt es einen klaren Punkt, an dem ein Mensch freigibt? Bricht beim nächsten Update etwas, oder läuft es weiter? Und ist überhaupt geklärt, welcher Ablauf entlastet werden soll – denn ein Agent auf einem unklaren Prozess macht das Durcheinander nur schneller, nicht besser.

Das ist auch der Grund, warum ich bei diesem Thema selten mit der Technik anfange. Zuerst kommt der Ablauf, dann das Werkzeug. Ein Agent, der einen sauberen Prozess übernimmt, sich selbst aufräumt und an den richtigen Stellen einen Menschen fragt, ist unauffällig. Er taucht in keiner Schlagzeile auf. Aber er ist genau der, der nach einem halben Jahr noch läuft – und das ist am Ende der einzige Vergleich, der zählt.