McKinsey sagt, 73% der Großunternehmen „implementieren KI". Die Realität ist, dass fast niemand einen Agenten mit SLA in Produktion laufen hat. Das sind die 7 Antipatterns, die wir in jedem Zombie-Piloten wiederholt sehen.
1. Mit der Technologie statt mit dem Prozess anfangen
Das Direktoriumsmeeting entscheidet „wir brauchen KI-Agenten", bevor man identifiziert hat, welchen konkreten Prozess das verbessern soll. Ergebnis: 6 Monate POC mit LangChain, ohne zu wissen, welche Metrik sich bewegen sollte.
2. Den ersten Agenten als Monolith bauen
Teams, die „einen Agenten" entwerfen, der 14 verschiedene Dinge macht. Unmöglich zu warten, unmöglich zu debuggen, unmöglich zu evaluieren. Jede Änderung bricht etwas anderes.
Der Fix: jeder Agent macht EINE Sache gut. Du orchestrierst sie mit einer dünnen Schicht darüber.
3. Keine Evals ab Tag 1
Ohne Evaluierungs-Dataset mit klaren Kriterien weißt du nicht, ob ein Prompt-Wechsel verbessert oder verschlechtert. Du navigierst nach Gefühl.
Der Fix: 30-50 reale Beispiele mit erwarteter Antwort, automatisiert in CI. Jede Änderung wird gegen diese Baseline gemessen.
4. Das teuerste Modell nutzen, weil „es besser ist"
GPT-4o für Aufgaben, die Claude Haiku genauso gut zu 1/10 des Preises löst. Die Rechnung wächst, die Marge verdampft.
Der Fix: Routing zwischen Modellen nach Aufgabentyp. 80% der Queries gehen ans günstige Modell; die 20% komplexen ans teure.
5. Ohne Observability = ohne Zukunft
Nicht zu wissen, welcher Prozentsatz der Antworten der Agent „ablehnt", was bei Timeouts passiert, was jede Interaktion kostet. Was du nicht misst, kannst du nicht steuern.
Der Fix: Langfuse, Helicone oder Äquivalent ab dem ersten Commit. Kosten, Latenz, Error Rate, Qualität — alles in einem Dashboard.
6. Dem Output ohne Guardrails vertrauen
Der Agent kann dem Kunden alles Mögliche sagen. Wirklich alles. Ohne strukturierte Validierung kommen Halluzinationen in Produktion und werden erst entdeckt, wenn der Kunde reklamiert.
Der Fix: Structured Outputs, wo immer möglich + Schema-Validierung + Fallback an einen Menschen bei hoher Unsicherheit.
7. Launchen und vergessen
Die Organisation feiert das „Go-live" und löst das Team auf. Nach 3 Monaten gibt der Agent veraltete Antworten, die Kosten pro Token sind um 40% gestiegen, und niemand weiß, wie man ein Update deployt.
Der Fix: laufender Betrieb mit quartalsweisem Review. Es ist ein lebendes System, kein Projekt, das man schließt.
Dieses „lebende System" hat einen Namen und eine Funktion: deine KI-Agenten steuern als dauerhafte Schicht — und die Bremse, damit dir keiner entgleitet, verhindern, dass sie außer Kontrolle geraten.