[ agenten-plattform × governance ]
Diese Plattform ermöglicht die Erzeugung beliebig vieler KI-Agenten: Sie wählen das Sprachmodell, beschreiben das Verhalten, weisen Werkzeuge und Wissen zu und setzen Agenten zu Teams zusammen, während eine Governance-Schicht jede einzelne Aktion prüft. Diese Seite zeigt, wie die Plattform aufgebaut ist, welche Entscheidungen dahinterstehen und welche Erfahrungen auf dem Weg entstanden sind.
Modell wählen, Verhalten beschreiben, Werkzeuge zuweisen: Der Agent entsteht im Fachbereich, nicht in der IT.
Teams aus Agenten entstehen auf einem Canvas, Übergaben als einfache Regeln.
Eine Hülle um jede Aktivität: kein Werkzeugaufruf ohne Prüfung.
Kritisches geht als Freigabe ins Postfach und darf dort auch Wochen warten.
[ governance: die hülle um jede aktion ]
Die verbreitete Sorge lautet: Wer KI-Agenten in die Fachbereiche gibt, verliert die Kontrolle. Also bleibt die Technologie bei wenigen Experten, und die Skalierung bleibt aus. Meine Erfahrung aus dieser Plattform ist eine andere: Fachbereiche können sehr wohl eigene Agenten bauen und betreiben, wenn Kontrolle nicht als Schranke am Anfang steht, sondern als durchgängige Hülle um jede Aktivität. Kein Werkzeugaufruf, keine Ausgabe, keine Interaktion passiert ohne Prüfung, egal ob ein Agent allein arbeitet oder ein ganzes Team.
Die Rollen sind klar verteilt: Der Fachbereich beschreibt, was der Agent tun soll. Die Plattform prüft, was er tatsächlich tut. Und der Mensch entscheidet überall dort, wo etwas unsicher oder folgenreich ist. So wird Governance vom Bremsklotz zur Voraussetzung für Skalierung.
[ agenten bauen, ohne code ]
Eine Plattform beweist sich nicht in der Demo eines einzelnen Agenten, sondern auf dem Weg dorthin: Wie kommt ein Fachbereich ohne technisches Wissen von der Idee zum laufenden, abgesicherten Agenten? Diese Stationen durchläuft jeder virtuelle Mitarbeiter.
[ Beschreiben ]
In vier Schritten entsteht der Agent: Aufgabe, Verhalten, Fähigkeiten, Zusammenarbeit. Prompt-Engineering braucht es nicht, die Plattform komponiert die Systemanweisung aus Governance, Verhalten und Werkzeugwissen. Bisher: ein Ticket an die IT und warten.
[ Anbinden ]
Über 800 Toolkits stehen bereit, vom CRM über Projektboards bis DATEV, dazu eigene Dokumente als Wissen. Jeder Agent erreicht nur, was ihm zugewiesen wurde, und sagt offen, wenn ihm ein Zugriff fehlt. Bisher: Zugänge teilen und hoffen.
[ Orchestrieren ]
Auf dem Canvas werden Agenten zu Teams verbunden. Übergaben sind einfache Regeln in Alltagssprache: eine Anzahl ist mindestens drei, eine Antwort ist Ja. Die Plattform übersetzt das in die Fachsprache des Frameworks. Bisher: Workflows, die nur Entwickler ändern können.
[ Absichern ]
Sieben Prüfbausteine umhüllen jede Aktion, von der Eingabe über Werkzeugaufrufe bis zur Ausgabe. Jeder Baustein lässt sich einzeln beobachten oder erzwingen, so wird Kontrolle schrittweise eingeführt statt auf einen Schlag. Bisher: Verbot oder Blindflug.
[ Freigeben ]
Was unsicher oder folgenreich ist, landet als Freigabekarte im Postfach. Die Entscheidung darf auch Tage warten: Der Vorgang lebt in der Datenbank weiter und wird nach der Freigabe exakt einmal ausgeführt. Bisher: Entscheidungen, die im Chatverlauf verloren gehen.
[ Verbessern ]
Agenten merken sich Fakten aus Gesprächen, gewichtet nach Wichtigkeit und mit Zeitverfall, sauber getrennt vom Dokumentenwissen. Auswertungen bewerten jeden Lauf. Bisher: jedes Gespräch beginnt bei null.
[ architektur ]
Die Oberfläche macht Agenten für Fachanwender zugänglich, agentOS legt sich als Kontrollschicht um jede Aktivität. Das Agenten-Framework bleibt austauschbar, die Governance nicht.
No-Code-Builder und visueller Canvas für Fachanwender
Der Builder führt in vier Schritten zum Agenten, ganz ohne Prompt-Engineering: Die Systemanweisung setzt die Plattform selbst zusammen. Der Fachbereich beschreibt nur, was der Agent können soll und welche Werkzeuge er bekommt.
Der Canvas übersetzt das Agenten-Framework in Alltagssprache: Übergaben sind Wenn-Dann-Regeln wie eine Anzahl ist mindestens drei. Was der Fachanwender klickt, wird im Hintergrund zu sauberem Framework-Code.
Sieben Team-Vorlagen, vom Kundenservice bis zur Analyse, machen den Einstieg leicht: Die Rollen sind vorbesetzt und anpassbar.
Die Governance-Hülle um jede Agenten-Aktivität
Sieben Prüfbausteine arbeiten in fester Reihenfolge, vom Eingabefilter über Werkzeug-Wächter und Schleifenschutz bis zur Ausgabeprüfung. Feste Regeln greifen zuerst, das Sprachmodell nur als letzte Instanz: So bleibt Governance schnell und günstig.
Jeder Baustein ist einzeln schaltbar: aus, beobachten, erzwingen. Governance wird eingeführt wie ein Prozess: erst beobachten, dann erzwingen. Im Zweifel gilt lieber stoppen als durchlassen, und jede Entscheidung landet in einem unveränderlichen Protokoll.
Was unsicher ist, geht als Freigabekarte ins Postfach. Eine Genehmigung wird exakt einmal ausgeführt, auch wenn zwei Prozesse gleichzeitig zugreifen.
Agenten-Teams mit Wissen, Erinnerung und Werkzeugen
Teams laufen mit fünf Orchestrierungs-Mustern, vom festen Rundlauf bis zur Modell-gesteuerten Sprecherwahl. Die Übergaben folgen den Regeln vom Canvas.
Wissen und Erinnerung sind strikt getrennt: je Agent ein Index für Dokumente und einer für Fakten aus Gesprächen, gewichtet und mit Zeitverfall. Nichts vermischt sich, nichts ist für andere sichtbar.
Werkzeuge kommen aus über 800 Toolkits, erschlossen über sechs Meta-Werkzeuge statt tausender Einzeldefinitionen. Neun Sprachmodelle von vier Anbietern stehen zur Wahl, jedes mit sichtbarer Hosting-Kennzeichnung.
[ erfahrungen ]
Der härteste Teil dieser Plattform ist nicht der Agent, sondern die Zeit dazwischen: Eine Freigabe darf Tage oder Wochen offen bleiben. Deshalb lebt der Zustand in der Datenbank statt im Cache oder im Gesprächsverlauf, eine zwei Wochen alte Genehmigung wird genauso ausgeführt wie eine frische. Und jede Ausführung wird atomar beansprucht: Ein doppelter Klick auf Genehmigen verschickt keine zweite E-Mail.
Genauso wichtig war es, Dinge wieder auszubauen. Ein Gedächtnis-Baustein, der dem Modell zuletzt genutzte Werkzeuge vorschlug, erzeugte in Live-Tests stille Fehler und flog wieder raus. Vier Modell-gesteuerte Governance-Bausteine wurden ersatzlos gelöscht, als feste Regeln sie überflüssig machten. Reife heißt auch: löschen können.
Und weil Vertrauen Belege braucht, prüft sich die Plattform selbst: ein zweistufiges Audit mit Befunden auf Datei und Zeile genau, rund zwei Drittel davon in der zweiten Runde geschlossen. Die offenen Punkte stehen dokumentiert im Repository, nicht unter dem Teppich.
[ zahlen ]
7
Prüfbausteine umhüllen jede Aktion, einzeln schaltbar: aus, beobachten, erzwingen
über 800
Toolkits über sechs Meta-Werkzeuge angebunden, vom CRM bis DATEV
5
Orchestrierungs-Muster für Agenten-Teams, ohne Code im Canvas gewählt
4 Wochen
darf eine Freigabe warten: der Vorgang lebt in der Datenbank weiter und läuft exakt einmal
[ technologie ]
Fragen Sie sich, wie KI-Agenten in Ihrem Unternehmen wertstiftend und kontrolliert zum Einsatz kommen? Dann lassen Sie uns sprechen: Sie bringen die Herausforderung mit, ich bringe die Erfahrung und die Werkzeuge.
