- laborat

Claude · Python · Convex

KI-Agenten entwickeln lassen — mit prüfbarem Ergebnis.

Ein Agent, der alles kann, kann nichts zuverlässig. Wir schneiden eine Aufgabe zu, geben dem Modell Werkzeuge und Rechte dafür — und bauen die Prüfung ein, bevor irgendetwas produktiv geht.

KI-Readiness-Check

Wofür

Vier Fälle, in denen sich ein Agent rechnet

Dokumente durchsuchbar machen

Verträge, Berichte, Handbücher — Fragen in natürlicher Sprache, Antworten mit Fundstelle. Der schwierige Teil ist nicht das Modell, sondern die saubere Zerlegung der Dokumente.

Vorgänge vorbereiten

Anfragen einordnen, Daten zusammenziehen, einen Entwurf schreiben. Der Mensch prüft und gibt frei, statt von vorn zu beginnen.

Recherche mit Werkzeugen

Ein Agent, der Schnittstellen bedienen darf — genau das läuft auf dieser Seite: unsere Sichtbarkeitsmessung fragt eine SEO-Schnittstelle ab, wertet aus und schreibt die Ergebnisse fort.

Interne Fragen beantworten

Der Wissensstand einer Organisation, abfragbar. Mit Rechten, damit nicht jeder alles sieht, und mit Quellenangabe, damit man nachprüfen kann.


Ablauf

Von der Idee zum Agenten, der geprüft ist

1

Aufgabe schneiden

Ein Agent, der alles kann, kann nichts zuverlässig. Wir suchen die eine Aufgabe, die oft genug vorkommt, klar begrenzt ist und deren Ergebnis prüfbar ist.

2

Werkzeuge geben

Ein Sprachmodell allein rät. Nützlich wird es, wenn es eure Daten lesen und in euren Systemen etwas auslösen darf — über Schnittstellen mit Rechten, nicht über Copy-Paste.

3

Prüfbar machen

Testfälle mit bekannter richtiger Antwort, bevor irgendetwas produktiv geht. Ohne die ist „funktioniert gut“ eine Meinung.

4

Mensch in die Schleife

Wo eine falsche Entscheidung teuer wird, entscheidet weiter ein Mensch — der Agent bereitet vor. Das ist keine Übergangslösung, sondern oft die richtige Endstufe.

5

Messen, was er tut

Kosten je Vorgang, Trefferquote, Abbrüche, Eskalationen. Ein Agent ohne Messung ist ein Versprechen, das niemand einlösen muss.


Womit

Der Stapel

ClaudeSprachmodell im Produkt
OpenAIWo ein zweites Modell hilft
PythonAuswertung, Daten, Automatik
ConvexDaten, live und typsicher
Next.jsSeiten, serverseitig gerendert
RailwayBetrieb für alles mit Zustand
PostgreSQLWenn relational, dann richtig
TypeScriptTypen über den ganzen Stapel

Was bei einer Anfrage passiert:

FrageKontext aus euren DatenModell mit WerkzeugenPrüfungAntwort mit Quelle

Der Zugriff aufs Modell liegt hinter einer eigenen Schicht. Das Feld ändert sich schneller, als ein Projekt läuft — ein Modellwechsel soll eine Konfiguration sein und keine Neuentwicklung.


Gemessen, nicht geschätzt

Wonach gesucht wird

ki agent erstellen1.900
6,87 €
chatbot erstellen390
13,82 €
ki assistent erstellen320
5,41 €
ki automatisierung agentur170
11,76 €
ki integration unternehmen40
15,22 €

DataForSEO über die Google-Ads-Schnittstelle, Deutschland, Monatsdurchschnitt über zwölf Monate, Stand 10. September 2026. Rechts der Klickpreis.


Häufige Fragen

Was vorher gefragt wird

Was ist der Unterschied zwischen einem Chatbot und einem Agenten?

Ein Chatbot antwortet. Ein Agent handelt: er darf Werkzeuge benutzen — eure Datenbank lesen, eine Schnittstelle aufrufen, einen Entwurf anlegen — und arbeitet dabei mehrere Schritte ab. Der Unterschied ist praktisch bedeutsam, weil ein Agent Rechte braucht und damit auch Schaden anrichten kann. Deshalb beginnen wir fast immer mit engen Rechten und einem Menschen vor der letzten Entscheidung.

Welches Modell benutzt ihr?

Meistens Claude von Anthropic, für einzelne Aufgaben OpenAI. Wir legen uns nicht fest, weil sich das Feld schneller ändert als jedes Projekt läuft — der Zugriff aufs Modell liegt deshalb hinter einer eigenen Schicht, damit ein Wechsel eine Konfiguration ist und keine Neuentwicklung. Wo Daten das Haus nicht verlassen dürfen, kommen offene Modelle auf eigener Hardware infrage; das ist langsamer und teurer, und wir sagen offen, wann es sich lohnt.

Was ist mit Datenschutz und dem AI Act?

Zwei getrennte Fragen. Datenschutz: Wir arbeiten mit Anbietern, die Verarbeitung in der EU anbieten, schließen die nötigen Verträge und schicken grundsätzlich nur das, was für die Aufgabe gebraucht wird. AI Act: Die meisten betrieblichen Anwendungsfälle fallen in die niedrigen Risikoklassen, aber das hängt am konkreten Einsatz — wir klären es zu Beginn und dokumentieren die Einordnung, statt sie zu unterstellen.

Was kostet ein Agent?

Ein abgegrenzter erster Anwendungsfall liegt im niedrigen fünfstelligen Bereich, inklusive Testfällen und Messung. Der laufende Betrieb hängt am Verbrauch: die Modellkosten pro Vorgang sind meist im Cent-Bereich, entscheidend ist die Menge. Wir rechnen das im Erstgespräch mit euren Zahlen durch, bevor irgendjemand etwas beauftragt.

Wann lohnt sich das nicht?

Wenn der Vorgang selten vorkommt, wenn es keine prüfbare richtige Antwort gibt, oder wenn eine feste Regel dasselbe kann. Ein Sprachmodell für eine Aufgabe, die eine Abfrage lösen würde, ist teurer, langsamer und unzuverlässiger. Das sagen wir lieber im ersten Gespräch als im dritten.


Weiterlesen

Leistung

KI-Anwendungen — was wir sonst damit bauen

Mehr erfahren →

Leistung

KI-Agentur Berlin — wen ihr beauftragt

Mehr erfahren →

Werkzeug

KI-Readiness-Check — wo ihr steht

Mehr erfahren →

Web

Website erstellen lassen — modernes Setup

Mehr erfahren →

Einen Anwendungsfall im Kopf?

Dreißig Minuten, kostenlos. Wir rechnen mit euren Zahlen durch, ob sich ein Agent lohnt — auch wenn die Antwort nein lautet.