Agentische Workflows

Vom Chatbot zum autonomen Mitarbeiter¶

Ein klassischer Chatbot beantwortet Fragen — Prompt rein, Text raus. Ein KI-Agent ist grundlegend anders: Er plant eine Abfolge von Schritten, handelt in realen Systemen (APIs, Datenbanken, Dateien), evaluiert Ergebnisse und entscheidet über nächste Schritte. Es ist ein programmierbarer Mitarbeiter mit definiertem Mandat und Berechtigungen.

Anatomie eines agentischen Workflows¶

┌─────────────────────────────────────────────────────────┐
│  TRIGGER (E-Mail, Ticket, API-Aufruf, Zeitplan)         │
└────────────────────────┬────────────────────────────────┘
                         │
                         ▼
┌─────────────────────────────────────────────────────────┐
│  PLANUNG                                                 │
│  Agent analysiert Aufgabe, zerlegt sie in Schritte,     │
│  identifiziert benötigte Tools und Daten                │
└────────────────────────┬────────────────────────────────┘
                         │
                         ▼
┌─────────────────────────────────────────────────────────┐
│  AUSFÜHRUNGSSCHLEIFE                                     │
│  ┌─────────────┐  ┌──────────────┐  ┌───────────────┐  │
│  │ Tool-Aufruf  │→ │ Ergebnis-    │→ │ Entscheidung  │  │
│  │ (API, DB,   │  │ Bewertung    │  │ (nächster     │  │
│  │  Datei)     │  │              │  │  Schritt /    │  │
│  └─────────────┘  └──────────────┘  │  Eskalation / │  │
│                                      │  Abschluss)   │  │
│                                      └───────────────┘  │
│  ← wiederholt sich bis Aufgabe abgeschlossen ───────→   │
└────────────────────────┬────────────────────────────────┘
                         │
                         ▼
┌─────────────────────────────────────────────────────────┐
│  AUSGABE (Ergebnis, Report, Benachrichtigung, Schreiben)│
└─────────────────────────────────────────────────────────┘

Orchestrierung — wie wir Agenten steuern¶

Graphbasierte Orchestrierung¶

Wir modellieren Workflows als gerichtete azyklische Graphen (DAG), wobei jeder Knoten ein isolierter Schritt mit definierten Eigenschaften ist: - Input — was der Knoten benötigt (Daten, Kontext, Ergebnisse vorheriger Schritte) - Output — was er produziert - Fehlerbehandlung — was bei einem Fehler passiert (Retry, Fallback, Eskalation) - Timeout — maximale Ausführungszeit

Vorteile des DAG-Ansatzes: - Parallele Verarbeitung unabhängiger Schritte - Deterministisches Verhalten (gleicher Input = gleicher Graph-Durchlauf) - Einfaches Debugging (Sie sehen genau, wo der Workflow fehlgeschlagen ist) - Testbarkeit (jeder Knoten kann isoliert getestet werden)

Tool-Use — die Hände des Agenten¶

Der Agent handelt durch Tools — definierte Funktionen mit klarer Schnittstelle:

Tool: create_jira_ticket
Input:   { project, summary, description, priority }
Output:  { ticket_id, url }
Berechtigungen: agent_service_account (write: project_SUPPORT)
Rate-Limit: 10/min

Jedes Tool hat: - Schema — Input-/Output-Validierung - Berechtigungen — wer es aufrufen darf - Rate-Limiting — Schutz vor außer Kontrolle geratenen Agenten - Logging — vollständiger Audit-Trail - Retry-Logik — exponentieller Backoff, Circuit Breaker

Human-in-the-Loop¶

Nicht alles sollte der Agent allein erledigen. Wir definieren Eskalationsregeln:

• Konfidenzschwellenwert — wenn Agent unsicher ist (< 80 % Konfidenz), eskalieren
• Hochrisikoaktionen — Zahlungen, Löschungen, Kundenkommunikation → menschliche Genehmigung
• Anomalien — unerwartete Eingabe, Grenzfall → Eskalation mit Kontext
• Regulatorische Anforderungen — manche Entscheidungen müssen von Menschen getroffen werden (AML, KYC)

Eskalation ist kein Versagen — es ist ein geplanter Mechanismus. Agent bereitet Materialien, Kontext, Empfehlungen vor. Mensch entscheidet. Agent fährt fort.

Praxisbeispiele¶

Automatisierung der Rechnungsverarbeitung¶

Vorher: Buchhalter verarbeitet manuell ~50 Rechnungen/Tag. Liest PDF, überträgt Daten ins ERP, prüft gegen Bestellungen. 3-4 Stunden täglich.

Nachher: Agent empfängt Rechnung (E-Mail-Anhang, DMS-Upload), extrahiert Daten (OCR + LLM), validiert gegen Bestellung im ERP, prüft auf Duplikate, schreibt ins Buchhaltungssystem. Eskaliert Abweichungen mit vorausgefüllten Daten.

Ergebnisse: - 200+ Rechnungen/Tag automatisch verarbeitet - 98,5 % Genauigkeit (validiert gegen manuelle Verarbeitung) - 85 % Reduktion manueller Arbeit - Buchhalter bearbeitet nur Grenzfälle und Ausnahmen

Kundensupport-Triage¶

Vorher: Support-Team liest manuell Tickets, klassifiziert, weist zu. 30 % der Zeit geht für Routing drauf, nicht für Lösung.

Nachher: Agent analysiert eingehendes Ticket (Text + Metadaten), klassifiziert (Kategorie, Schweregrad, Produkt), reichert mit Kontext an (Kundenhistorie, Wissensbasis), leitet an das richtige Team weiter. Löst einfache Anfragen autonom.

Ergebnisse: - 95 % Klassifizierungsgenauigkeit (vs. 87 % manuell) - 65 % der Tickets ohne menschliches Eingreifen gelöst - MTTR (Mean Time to Resolve) -40 %

Datenanreicherungspipeline¶

Vorher: Vertriebsteam recherchiert manuell Unternehmen — Web, Register, LinkedIn. 2 Stunden pro Lead.

Nachher: Agent empfängt Firmennamen, lädt automatisch Daten aus öffentlichen Registern herunter, analysiert Website, extrahiert Schlüsselinformationen (Größe, Branche, Technologien), reichert CRM-Datensatz an.

Ergebnisse: - 5 Minuten pro Lead (vs. 2 Stunden) - Konsistentere Daten (standardisiertes Format) - Vertriebsmitarbeiter konzentrieren sich auf Beziehungen, nicht auf Recherche

Sicherheit und Kontrolle¶

Berechtigungsgrenze¶

Jeder Agent hat explizit definierte Berechtigungen:

Aktion	Berechtigung	Bedingung
CRM lesen	✅ Erlaubt	—
CRM schreiben	⚠️ Mit Genehmigung	Wert > 100K EUR
ERP lesen	✅ Erlaubt	Nur-Lese
ERP schreiben	⚠️ Mit Genehmigung	Immer
Kunden-E-Mail	⚠️ Mit Genehmigung	Immer
Interne Benachrichtigung	✅ Erlaubt	—
Daten löschen	❌ Verboten	Nie

Kill-Switch¶

Sofortiges Agent-Herunterfahren — implementiert auf drei Ebenen: 1. Pro Aufgabe — stoppt eine bestimmte laufende Aufgabe 2. Pro Agent — stoppt alle Aufgaben eines Agenten 3. Global — stoppt alle Agenten (Notfallstopp)

Audit-Trail¶

Jede Agent-Aktion wird protokolliert: - Zeitstempel, Agent-ID, Aufgaben-ID - Input (was der Agent erhalten hat) - Reasoning (warum er so entschieden hat) - Tool-Aufruf (was er aufgerufen hat, mit welchen Parametern) - Output (was er zurückbekommen hat) - Dauer, Kosten (Token, API-Aufrufe)

Audit-Trail ist unveränderlich, 12+ Monate archiviert, für Compliance-Audit verfügbar.

Technologie¶

Orchestrierungsframework¶

• LangGraph — für komplexe, zustandsbehaftete Workflows mit Bedingungen und Schleifen
• Custom DAG Engine — für hochperformante, deterministische Workflows
• Event-Driven-Architektur — für reaktive Echtzeitverarbeitung

Deployment¶

• Kubernetes — containerisierte Agenten mit Autoscaling
• Serverless — für event-getriebene, niederfrequente Workflows
• Queue-basiert — RabbitMQ/Kafka für Hochdurchsatz-Szenarien

Monitoring¶

• Distributed Tracing — wir verfolgen jeden Workflow-Schritt end-to-end
• Metriken — Erfolgsrate, Latenz, Kosten pro Aufgabe
• Alarmierung — automatische Alarme bei Anomalien, Ausfällen, Verschlechterung

Verwandt mit