Künstliche Intelligenz

KI-Agenten

Autonome KI-Agenten in Geschäftsprozessen

KI-Agenten warten nicht auf den nächsten Prompt: Sie werden von Ereignissen oder Zeitplänen ausgelöst, bedienen die bestehenden Funktionen eurer Anwendung und liefern ihre Ergebnisse dorthin, wo gearbeitet wird – als E-Mail an die verantwortliche Person, als Entwurf im System oder als fertige Publikation.

Unser wichtigster Grundsatz dabei: Ein Agent liefert Entwürfe, keine vollendeten Tatsachen. Jeder Eingriff der KI bleibt sichtbar, und nichts wird verbindlich, bevor ein Mensch es freigegeben hat. So bleibt die Verantwortung dort, wo sie hingehört – und die KI übernimmt die Fleißarbeit.

Technisch setzen wir darauf, dass Agenten bestehende Import-, Mapping- und Analyse-Pipelines von Anfang bis Ende bedienen, statt Logik zu duplizieren. Das deterministische System rechnet und validiert; das Modell übernimmt die Urteils- und Schreibarbeit, die sich bisher nicht automatisieren ließ: entscheiden, was relevant ist, Dubletten zusammenführen, ein kohärentes Briefing formulieren.

Von der automatischen Verarbeitung eingehender Dokumente über Berichte, die sich selbst erklären, bis zu Rechercheagenten, die öffentliche Quellen in strukturierte Datenbanken verwandeln: Wir bauen agentische Systeme, die in eurem Alltag ankommen.

Autonomie braucht Leitplanken

Unsere Prinzipien für agentische Systeme

Draft, not result

Agenten liefern Entwürfe mit sichtbaren Eingriffen – ein Entwurf im System, ein Briefing zur Prüfung, ein Datensatz mit Quellenangabe. Verbindlich wird ein Ergebnis erst durch menschliche Freigabe.

Die zweite Meinung

Wo KI-Ergebnisse kritisch sind, prüft ein zweites, unabhängiges Modell die Arbeit des ersten im Kontext – dieselbe Review-Form, die in einem Produktivsystem bereits reale Falsch-Zuordnungen gefangen hat.

Push statt Dashboard

Ergebnisse kommen dorthin, wo gearbeitet wird: als E-Mail an die verantwortliche Person, als Entwurf im System oder als fertige Publikation – nicht als weiteres Dashboard, das niemand öffnet.

So setzen wir KI-Agenten ein

Fünf Muster aus unserer Projektarbeit – von der automatischen Dokumentenverarbeitung bis zum Multi-Agenten-Panel.

Vom Posteingang zum fertigen Entwurf

Berichte, die sich selbst erklären

Ein Marktbriefing, das sich selbst schreibt

Von öffentlichen PDFs zur Förderdatenbank

Ein Bericht, drei Leser

Document Intake

Vom Posteingang zum fertigen Entwurf

Für das Production-Finance-Team eines großen Studios konzipieren wir einen Agenten in zwei Akten: Ein Intake-Agent erkennt, zu welcher Produktion und welchem Dokumenttyp ein eingehender Anhang gehört, und bedient die bestehende Import- und Kontenmapping-Pipeline von Anfang bis Ende. Ein Review-Agent liest die gemappte Revision danach im Zusammenhang quer und behandelt das automatische Mapping als Entwurf, nicht als Ergebnis – freigegeben wird von einem menschlichen Controller.

Data Analysis

Berichte, die sich selbst erklären

Sobald eine Budget-Revision oder ein Cost Report bestätigt ist, vergleicht ein Findings-Agent das Dokument mit der Historie der Produktion und mit vergleichbaren Produktionen – und mailt dem zuständigen Controller ein kurzes Findings-Briefing. Schwellwert-Regeln allein scheitern hier: Viele große Bewegungen in Filmbudgets sind strukturell erwartbar. Rauschen von Bedeutung zu trennen ist redaktionelles Urteil – genau das übernimmt der Agent.

Autonome Recherche

Ein Marktbriefing, das sich selbst schreibt

Für das Mitgliederportal eines deutschen Filmbranchenverbands sammelt ein Agent in festem Rhythmus Marktnachrichten aus öffentlichen Quellen und synthetisiert sie zu einem Markt-Update. Links sammeln kann jeder Feed-Aggregator – Relevanz entscheiden, Dubletten zusammenführen und ein kohärentes Briefing schreiben war bisher jede Woche unbezahlbar. Ein menschlicher Redakteur prüft jeden Entwurf.

Document Extraction

Von öffentlichen PDFs zur Förderdatenbank

Deutsche Filmförder-Entscheidungen sind öffentlich, aber praktisch unbenutzbar: FFA und Länderförderer publizieren in eigenem Rhythmus und Format. Sammel-Agenten beobachten die veröffentlichten Berichte, ein KI-Extraktionsschritt liest jedes heterogene Dokument und erzeugt strukturierte Förderdatensätze gegen ein einziges Zielschema – jeder Datensatz behält seine Quellenreferenz zur Nachvollziehbarkeit.

Multi-Agent

Ein Bericht, drei Leser

Die Leserschaft eines Branchenverbands reicht vom kleinen Regionalunternehmen bis zum Verleiher in Konzerngröße – ein generischer KI-Digest wird niemandem gerecht. Drei Persona-Agenten analysieren jeden Bericht unabhängig aus ihrer Perspektive und diskutieren ihn danach miteinander, wie in einer Redaktionskonferenz. Aus der Debatte entstehen Zusammenfassungen und Key Findings je Zielgruppe.

Keine Parallelwelten

Agenten in euren Systemen

Ein Agent ist bei uns kein weiteres Tool neben eurer Anwendung, sondern ein Bediener eurer Anwendung: Er nutzt dieselben Import-, Mapping- und Analyse-Pipelines, dieselben Validierungen und dieselben Rechte wie eure Nutzer. Das deterministische System rechnet und validiert – das Modell übernimmt die Urteils- und Schreibarbeit, die sich bisher nicht automatisieren ließ. So entsteht Automatisierung, die prüfbar bleibt und mit eurem System wächst statt daneben.

Highlights

        
                                        Agenten bedienen eure bestehenden Systeme – statt Parallelwelten aufzubauen
                
                                        Draft, not result: Jede KI-Intervention bleibt sichtbar und wird von Menschen freigegeben
                
                                        Event-getrieben oder nach Zeitplan – kein manueller Prompt pro Schritt
                
                                        Zweite KI-Meinung: Ein Review-Modell prüft KI-Ergebnisse im Kontext
                
                                        Push statt Dashboard: Ergebnisse kommen dorthin, wo gearbeitet wird