Lösung · KI-Agenten-Entwicklung
KI-Agenten, die nicht im Prototyp stecken bleiben.
KI-Agenten sollen Aufgaben nicht nur beantworten, sondern erledigen — Leads recherchieren, Anfragen lösen, Daten anreichern, Belege verarbeiten. Wir bauen genau solche Agenten maßgeschneidert für euren Prozess: mit klassischer Engineering-Disziplin statt Prompt-Magie, on-premise möglich, mit vollständiger Code-Übergabe. Nicht das beeindruckende Demo ist das Ziel, sondern der verlässliche Produktivbetrieb.
- Produktiv erprobt
- Eigene Multi-Agent-Systeme live im Einsatz
- Strukturiert statt Prompt-Magie
- Typisierte Übergaben, deterministische Prüfung
- On-premise möglich
- Open-Weights-Modelle, Daten im Haus
- Wochen statt Monate
- Durch AI-native Entwicklung
- Euer Code
- Repository-Übergabe, kein Lock-in
Beeindruckende Demos, ernüchternde Produktion
Der Markt ist voll von Agenten-Demos — und leer an Agenten, die im Alltag laufen. Gartner erwartet, dass über 40 Prozent der agentischen KI-Projekte bis Ende 2027 abgebrochen werden, und hält von tausenden Anbietern, die sich „agentic“ nennen, nur rund 130 für echt. Der Grund liegt selten am Modell: Ein monolithischer „Mach mal alles“-Prompt glänzt im Showcase und kollabiert in der Breite des Alltags — bei seltenen Eingaben, kaputten Daten, Sonderfällen.
Das ist kein Argument gegen Agenten, sondern gegen eine bestimmte Art, sie zu bauen. Warum so viele Agenten-Projekte scheitern →
So bauen wir produktionsreife Agenten
Use-Case schärfen
Wir starten nicht mit Technik, sondern mit einem eng umrissenen Prozess, der einen messbaren ROI hat. Klein und konkret schlägt groß und vage — Erfolge dort tragen die Ausweitung.
Zerlegen statt monolithisch prompten
Statt einem Agenten alles zuzumuten, übernimmt jeder Agent ein eng definiertes Mandat. Gebaut mit produktiven Frameworks wie Google ADK oder dem Strands Agents SDK. Fehler werden so isolierbar und einzeln testbar.
Strukturierte Übergaben + deterministische Prüfung
Agenten reichen sich Daten als typisierte Schemata weiter (z. B. Pydantic), nicht als Fließtext — jede Übergabe ist ein Vertrag mit definierten Feldern. Wo es harte Regeln gibt, prüft Code, nicht das Sprachmodell.
Mensch in der Schleife + robuster Betrieb
Unsichere Fälle werden eskaliert, nicht geraten. Dazu Plumbing, das über Produktionsreife entscheidet: idempotente, wiederaufsetzbare Abläufe, sauberes Logging, Trockenlauf-Modus zum gefahrlosen Testen.
Wie das konkret aussieht: unser lead-gen-agent · AI Agents im Vertrieb
Unser Qualitätsversprechen — und warum es anders klingt
Anbieter werben mit „autonom“ und „99 % Genauigkeit“. Wir nicht — denn schon 95 Prozent Zuverlässigkeit pro Schritt ergeben bei zehn verketteten Schritten nur noch rund 60 Prozent Gesamterfolg. Unser Betriebsziel ist deshalb nicht „voll autonom“, sondern: kein Schritt läuft ungeprüft autonom, wo Verlässlichkeit zählt. Fehler dürfen passieren; sie dürfen nur nicht unbemerkt passieren. Dafür sorgt die Architektur — Zerlegung, Validierung, Mensch in der Schleife —, nicht das Modell allein. Die ehrliche Einordnung →
Souverän by design
Agenten greifen auf eure echten Daten und Systeme zu — Kunden, Konditionen, Geschäftsgeheimnisse. Deshalb lässt sich die Verarbeitung vollständig on-premise abbilden: Open-Weights-Modelle auf eurer Hardware, kein Cloud-Zwang, DSGVO- bzw. revDSG-konform by design. Das Modell bleibt austauschbar — kein Anbieter-Lock-in, auch nicht bei uns: Ihr bekommt das Repository. On-Premise im Detail →
Wo Agenten den größten Hebel haben
- Vertrieb & Akquise. Leads finden, qualifizieren, anreichern und ins CRM schreiben — genau das macht unser produktiver lead-gen-agent. Mehr →
- Kundenservice & interne Assistenz. Anfragen verstehen, im System nachschlagen, Standardfälle lösen — rund um die Uhr. In heysuma laufen Support- und Buchungs-Agenten nativ im Produkt.
- Daten-Anreicherung & Recherche. Quellen durchsuchen, Informationen extrahieren, strukturiert ablegen — robust gegen kaputte Eingaben, reproduzierbar.
- Dokumenten- & Workflow-Automatisierung. Belege auslesen und ins ERP übernehmen ist ein eigener, gut gelöster Anwendungsfall. Zur Dokumenten-Pipeline → · Leitfaden →
Womit wir bauen
Keine Black-Box-Plattform: Wir bauen mit den produktiven Agenten-Frameworks und offenen Standards von heute — und übergeben den Code.
Multi-Agent-Orchestrierung
Google ADK · Strands Agents SDK
Case: lead-gen-agent →Werkzeug-Anbindung
Model Context Protocol (MCP)
Grundlagen →Strukturierte Übergaben
Typisierte Schemata (Pydantic)
Warum das zählt →Lokale Modelle
Open Weights, on-premise
Souverän ohne Cloud →Noch unklar, ob euer Fall passt? Genau dafür ist das Erstgespräch da. Ob ein einzelner Agent reicht oder ein Multi-Agent-System sinnvoll ist, ob No-Code zum Einstieg genügt oder eine maßgeschneiderte Lösung — das klären wir ehrlich. Selbst entwickeln oder kaufen? →
Ist euer Prozess agentisch automatisierbar?
- 01 Ist der Prozess wiederkehrend und im Kern regelbasiert?
- 02 Gibt es ein klares Erfolgskriterium („richtig erledigt“ ist definierbar)?
- 03 Liegen die nötigen Daten digital vor (E-Mails, Dateien, Systeme)?
- 04 Läuft der Prozess heute manuell und kostet spürbar Zeit?
- 05 Braucht es Anbindung an vorhandene Systeme (ERP, CRM, Datenbanken)?
- 06 Sind Datenschutz oder Datenhoheit dabei kritisch?
- 07 Rechtfertigt das Volumen (täglich/wöchentlich) einen Automatisierungsaufwand?
Erste Einschätzung
0/7 Ja
Beantwortet die Fragen links — die Einschätzung erscheint hier.
Antworten werden nicht gespeichert oder übertragen.
Sieben Ja/Nein-Fragen geben eine erste Einschätzung: Je öfter „ja“, desto eher lohnt ein Agent. Wer lieber direkt spricht: Bringt einen konkreten Prozess mit ins Erstgespräch.
Der Weg in den Produktivbetrieb
Phase 1 — Pilot (1–2 Wochen). Ein Use-Case, ein lauffähiger Agent gegen echte Daten — im Trockenlauf, ohne Nebenwirkungen. Hier zeigt sich, ob der Ansatz trägt.
Phase 2 — Härten (2–4 Wochen). Strukturierte Übergaben, deterministische Prüfungen, Review-Queue, Edge-Cases. Aus dem Demo wird ein Werkzeug, dem man traut.
Phase 3 — Produktivbetrieb. Go-live mit Monitoring, idempotentem Betrieb und Repository-Übergabe. Betrieb als wartbarer Dienst auf eurer Infrastruktur.
Euer Aufwand: einen klaren Use-Case, Zugang zu den nötigen Daten/Systemen im Test, einen Ansprechpartner für Fachfragen. Kein Großprojekt — ein präzise umrissenes System.
Warum kitun
Wir reden nicht nur über Agenten — wir betreiben welche. Unser lead-gen-agent (Multi-Agent-CLI mit Google ADK) und die fünf nativ integrierten KI-Agenten in unserer SaaS-Plattform heysuma sind produktiv im Einsatz. Als AI-native Software-Manufaktur entwerfen Senior-Architekten das System entlang eurer Prozesse, Coding-Agents beschleunigen die Umsetzung, und was in Produktion geht, verantworten wir. Das Ergebnis gehört euch — Code, Modell-Setup, Betrieb.
Häufige Fragen
Was kostet die Entwicklung eines KI-Agenten?
Das hängt vom Umfang ab. Ein einzelner, eng umrissener Agent ist ein kleines Projekt; ein Multi-Agent-System mit ERP- oder CRM-Integration ein größeres. Wir empfehlen, klein mit einem messbaren Use-Case zu starten — eine erste Einordnung mit euren Zahlen entsteht im Erstgespräch.
Sollten wir einen Agenten selbst entwickeln, kaufen oder bauen lassen?
Kaufen, wenn ein Standardprodukt den Prozess gut abbildet. Bauen lassen, wenn der Prozess ein Wettbewerbsvorteil ist, tiefe Integration oder Datenhoheit braucht. No-Code eignet sich für erste Gehversuche, selten für Geschäftskritisches. Ausführlich →
Wie lange dauert die Entwicklung?
Durch AI-native Entwicklung meist Wochen statt Monate. Die Phasen oben machen den Fortschritt jederzeit messbar — ein lauffähiger Pilot steht oft schon nach ein bis zwei Wochen.
Sind die Agenten DSGVO-konform und ohne Cloud betreibbar?
Ja. Mit Open-Weights-Modellen auf eurer Hardware verlässt kein Datum euer Netzwerk — relevant für DSGVO und das Schweizer Datenschutzgesetz. On-Premise im Detail →
Was passiert, wenn ein Agent einen Fehler macht?
Genau dafür ist die Architektur da: Unsichere Fälle werden erkannt und zur Prüfung eskaliert, statt ungeprüft ausgeführt zu werden. Robuste Systeme loggen Fehler sauber und überspringen kaputte Eingaben, statt abzustürzen.
Bleiben wir von euch als Entwickler abhängig?
Nein. Code-Übergabe ist Teil der Vereinbarung — das System gehört euch, inklusive der Option, es selbst oder mit einem anderen Partner weiterzuentwickeln.
Womit baut ihr die Agenten?
Mit produktiven Frameworks (Google ADK, Strands Agents SDK), offenen Standards für die Werkzeug-Anbindung (MCP) und typisierten Schnittstellen zwischen den Agenten — kombiniert mit klassischer Engineering-Disziplin für den Betrieb.
20 Minuten, eine ehrliche Einschätzung
Bringt einen konkreten Prozess mit — wir sagen euch im Erstgespräch, ob sich ein Agent lohnt, wie er aussehen würde und was er kostet. Wenn nicht, sagen wir auch das.