Eine Firma, in der KI Code und Inhalte schreibt
Was wirklich funktioniert, wenn KI-Agenten die Arbeit machen. Und wo es immer noch hakt.
In meinem Umfeld schreibt KI heute tatsächlich Code und Inhalte. Nicht als Demo auf einer Konferenz. Im Betrieb, jeden Tag, an Dingen, die Nutzer und eine Deadline haben.
Das ist keine Zauberei. Es ist ein Werkzeug mit Regeln. Und die meisten Menschen kennen diese Regeln nicht, also funktioniert es bei ihnen entweder nicht, oder sie vertrauen blind darauf. Beides ist falsch.
Wie das in der Praxis aussieht
Ich gebe der KI keine Schritte vor. Ich gebe das Ergebnis vor. Ich sage, was entstehen soll und woran ich erkenne, dass es fertig ist. Der Agent macht sich einen Plan, greift auf Dateien zu, führt Befehle aus, stößt auf einen Fehler und korrigiert sich selbst. Ich halte derweil die Richtung und kontrolliere das Ergebnis.
Genauso funktioniert es bei Inhalten. Ich schreibe nicht den Prompt "schreib einen Artikel". Ich gebe Rolle, Kontext, Aufgabe, Format und Qualitätskriterien vor. Der Unterschied zwischen einem Satz und fünf Zeilen ist der Unterschied zwischen allgemeinem Ballast und einem Text, der direkt raus kann.
Ein Agent ist kein Wunder, sondern ein Werkzeug mit Regeln
Wenn Sie einem Agenten ein großes Ziel ohne Grenzen geben, liefert er etwas, das fertig aussieht und es nicht ist. Programmierer sagen dazu, die KI versteckt das Spielzeug unterm Bett. Es sieht aufgeräumt aus, bis Sie unter das Bett schauen.
Deshalb skaliere ich die Größe des Ziels nach Vertrauen und Risiko. Wenig Vertrauen und große Auswirkung eines Fehlers bedeuten ein kleineres Ziel und eine kürzere Leine. Hohes Vertrauen und niedriges Risiko bedeuten, dass ich es lange laufen lasse. Das ist keine binäre Wahl zwischen Mikromanagement und blindem Glauben. Es ist Kalibrierung.
Eine ehrliche Schranke, sonst funktioniert es nicht
Das Wichtigste im gesamten Setup ist nicht das Modell. Es ist die Schranke, die durchfallen kann. Bei Code sind das ein Test, ein Linter, ein echter Durchlauf. Nicht ein zweites Modell, das den Code liest und sagt "sieht gut aus". Es hat den Code nicht ausgeführt.
Ich habe eine Regel: fertig ist es erst, wenn eine echte Schranke besteht. Nicht wenn das Modell zustimmt. Nicht wenn es auf dem Bildschirm gut aussieht. Wenn ein Test besteht, der Nein sagen kann.
Ein Loop ist nur so ehrlich wie seine Schranke. Wenn die Schranke nie durchfällt, ist sie keine Schranke, sondern ein Stempel.
Verifikation vor Vertrauen
Als günstige Kontrollebene nutze ich ein Cross-Model-Review. Ein Modell schließt ab, ein zweites prüft es mit frischem Kontext und sucht nach Schwächen, die das erste übersehen hat. Das findet Denkfehler und fehlende Anforderungen schnell und günstig.
Aber bei Dingen, die die Produktion wirklich zerlegen können, reicht das nicht. Da muss ein echter Durchlauf her. Die Tiefe der Verifikation richtet sich nach der Auswirkung des Fehlers. Niedriges Risiko erledigt ein Review durch ein zweites Modell. Hohes Risiko verlangt eine Ausführung.
Was Sie daraus mitnehmen
KI-Agenten leisten heute echte Arbeit. Nicht weil das Modell schlau ist, sondern weil um es herum ein Umfeld steht: ein klar vorgegebenes Ergebnis, eine ehrliche Schranke und eine dem Risiko angemessene Verifikation.
Wer dieses Umfeld baut, wird mit KI schneller. Wer nur den Chat öffnet und hofft, bekommt einen Text, der schlau aussieht und nirgendwohin führt. Der Unterschied liegt nicht im Werkzeug. Er liegt darin, wie Sie es einbinden.